Escolar Documentos
Profissional Documentos
Cultura Documentos
So Paulo
2010
So Paulo
2010
FICHA CATALOGRFICA
Romano, Rodrigo Alvite
Identificao de processos no-lineares e quantificao de atrito em
vlvulas de controle / R.A. Romano. ed.rev. So Paulo, 2010.
130 p.
Tese (Doutorado) - Escola Politcnica da Universidade de So Paulo.
Departamento de Engenharia de Telecomunicaes e Controle.
1. Identificao de sistemas 2. Vlvulas de controle pneumtico
3. Atrito 4. Otimizao no linear I. Universidade de So Paulo. Escola Politcnica. Departamento de Engenharia de Telecomunicaes e
Controle II. t.
Agradecimentos
Ao professor Claudio Garcia, no apenas pela orientao e sbias palavras,
mas principalmente pela amistosa convivncia nos ltimos anos.
Aos mestres: lvaro Puga Paz, Jos Carlos de Souza Jr., Jos Jaime da Cruz
e, em especial, Vanderlei Cunha Parro. Cada um a sua maneira, vocs so exemplos
para mim.
Faculdade de Engenharia Industrial (FEI) por proporcionar uma formao
acadmica altura dos desafios da minha vida profissional.
Aos colegas de jornada Alain Segundo Potts, tila Madureira Bueno, Daniel
Uehara, Flvio Batista, Paulo Henrique da Rocha e Ricardo Bressan Pinheiro pelos
momentos de reflexo e descontrao durante esta jornada.
Coordenao de Aperfeioamento de Pessoal de Nvel Superior (CAPES),
pelo apoio financeiro.
A todos os meus familiares por todo apoio, amor e unio, mesmo nos momentos
mais difceis. minha esposa Vanessa por sempre estar ao meu lado. Por fim,
gostaria de ressaltar a minha gratido aos meus pais Roberto e Nancy, pois no sei
como eu chegaria at aqui sem o exemplo de fibra e perseverana que vocs sempre
demonstraram.
Resumo
O atrito em vlvulas e a sintonia inadequada de controladores so duas das
maiores causas de degradao no desempenho das malhas de controle que incluem
tais dispositivos. Assim como modelos de atrito so necessrios para diagnosticar o
mau funcionamento das vlvulas ou para compensar os efeitos indesejveis causados
pelo atrito, modelos de processos so de fundamental importncia para o projeto de
controladores. Este trabalho estende mtodos existentes para estimar parmetros de
modelos de atrito e processo, de modo que uma estrutura no-linear adotada para
representar o processo. O procedimento baseado em dados de operao em malha
fechada. Os algoritmos de estimao desenvolvidos so testados com dados simulados e gerados por uma plataforma hbrida (composta por uma vlvula real e por uma
planta simulada de neutralizao de pH), a partir da qual avaliam-se as influncias
de perturbaes, da magnitude do sinal de teste e da sintonia do controlador nos
modelos estimados. Os resultados demonstram que o nvel de atrito corretamente
quantificado, assim como bons modelos para o processo so estimados em diversas
situaes. Alm disso, a extenso proposta apresenta vantagens significativas em
relao a outros mtodos, como: (1) maior exatido na quantificao do nvel de
atrito, principalmente para processos em que as no-lineares sejam mais severas e
(2) estimativas razoveis do comportamento esttico no-linear.
Palavras-chave: identificao de sistemas; vlvulas de controle pneumtico; atrito;
otimizao no-linear.
Abstract
The friction in control valves and inadequate controller tuning are two of the
major sources of performance degradation in control loops that include such devices.
As friction models are needed to diagnose abnormal valve operation or to compensate
such undesirable effects, process models play an essential role in controller design.
This work extends existing methods that jointly identify the friction and process
model parameters, so that a nonlinear structure is adopted to represent the process
model. The procedure is based on data from closed-loop experiments. The developed
estimation algorithms are tested with data from simulations and generated by a
hybrid setup (composed of a real valve and a simulated pH neutralization process), in
which the influences of the process disturbances, of the excitation signal magnitude
and of the controller tuning on estimated models are investigated. The results
demonstrate that the friction is accurately quantified, as well as good process
models are estimated in several situations. In addition, the proposed extension
presents significant advantages in relation to other methods, such as: (1) greater
accuracy for friction quantification, especially for highly nonlinear processes and (2)
reasonable estimates of the nonlinear steady state characteristics.
Keywords: system identification; pneumatic control valves; friction; nonlinear optimization.
Lista de Figuras
2.1
2.2
2.3
Entrada e sada reproduzida pelo modelo de histerese e a correspondente relao x(k) = f (Fext (k)) . . . . . . . . . . . . . . . . . . . . . 18
2.4
2.5
3.1
3.2
3.3
3.4
3.5
4.1
4.2
4.3
4.4
4.5
4.6
. . . . . . . . . 53
Lista de Figuras
5.1
5.2
5.3
5.4
5.5
. . . . . . . . . . . . . . . . . . . . . 76
5.6
5.7
Mdulo da resposta em frequncia e limite superior do erro de modelagem provenientes do ensaio com baixo nvel de perturbao . . . . . 81
5.8
5.9
Lista de Figuras
5.21 Dados de experimentos gerados ao variar o ganho do controlador da
malha de pH . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
5.22 Ajuste da curva esttica dos experimentos realizados com diferentes
sintonias para o controlador AIC . . . . . . . . . . . . . . . . . . . . 105
5.23 Comparao do pH reproduzido por modelos do processo linear e
no-linear . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
j ) e limite superior do erro de modelagem dos modelos
B.1 Mdulo de G(e
identificados ao avaliar o efeito de perturbaes . . . . . . . . . . . . 128
j )| e de () referente aos modelos estimaB.2 Comportamento de |G(e
Lista de Tabelas
4.1
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
. . . . . . . 97
bao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
5.10 Resultados obtidos ao variar a magnitude do sinal de teste . . . . . . 100
5.11 Efeito da sintonia do controlador nos modelos estimados. . . . . . . . 104
5.12 Comparativo entre os resultados obtidos ao representar o processo
por uma estrutura linear e no-linear . . . . . . . . . . . . . . . . . . 106
Simbologia e abreviaes
Operadores e notao
() G (0, P ): a distribuio da varivel aleatria () tende a gaussiana com mdia
nula e covarincia P ;
Simbologia e abreviaes
Smbolos gerais
(S , J ): parmetros do modelo de atrito que proporcionam o melhor ajuste do
conjunto atrito + processo aos dados observados;
(Si , Jj ): valores candidatos ao par (S, J) indexados por i e j, respectivamente;
: constante que relaciona ts e Tsw ;
Tsw : tempo mdio entre cada comutao do sinal GBN;
S: intervalo de valores candidatos a S adotado na concepo de DS ;
Cij : erro de simulao livre do conjunto atrito + processo com o par (Si , Jj );
: frequncia [rad/s];
c : frequncia de corte;
d , e , u e v : espectro dos sinais d(k), e(k), u(k) e v(k), respectivamente;
ue : densidade de potncia do espectro cruzado de u(k) e e(k);
: matriz de regressores usada na estimativa inicial de ;
v : constante usada para ajustar a relao sinal-rudo nas simulaes;
e2 : varincia de e(k);
Simbologia e abreviaes
mf : especificao da constante de tempo da malha fechada;
p : aproximao da constante de tempo dominante do processo;
: parmetros do bloco L;
ts : tempo de acomodao;
u(k): entrada do modelo do processo no instante k;
V (, ): critrio usado para estimar os parmetros do modelo de Wiener;
v(k): sinal de perturbaes do processo no instante k;
Voe (m): critrio usado para selecionar o grau m da funo f 1 (y(k), );
Voe (l, nc ): critrio adotado para a escolha das estruturas de G(q) e H(q);
Simbologia e abreviaes
w(k): sinal intermedirio entre os blocos interconectados no instante k;
w1 , . . . , wm : extremidades dos trechos do polinmio seccionado f (w(k), );
Y , Y : vetor de dados de sada e a mdia dos valores em Y ;
y(k): sada do modelo do processo no instante k;
y1 , . . . , ym : extremidades dos trechos do polinmio seccionado f 1 (y(k), );
z(k): sada do bloco que representa o atrito na vlvula no instante k;
w (k), w
(k): estimativas de w(k), calculadas a partir de g (y(k), ) e do modelo
FIR, respectivamente;
considerada nula;
Fatrito : fora de atrito;
Fc : coeficiente de atrito de Coulomb;
Fext : fora externa aplicada por um atuador pneumtico;
Fmola : fora imposta pela mola;
Fs : atrito seco (fora de breakaway);
Fv : coeficiente de atrito viscoso linear;
J: parmetro do modelo de Kano que reproduz o efeito de slip-jump;
kb : instantes em que a vlvula est prestes a se mover (breakaway);
Simbologia e abreviaes
Abreviaes e acrnimos
ARMAX: modelo auto-regressivo, de mdia mvel com entradas exgenas (autoregressive moving average model with exogenous inputs);
FIR: resposta finita ao impulso (finite impulse response);
FPE: critrio baseado no erro de predio (final prediction error );
GBN: sinal binrio generalizado (generalized binary signal );
HIL: plataforma hbrida composta por elementos reais e simulados (hardware in the
loop);
LVDT: transdutor diferencial de variao linear, usado para medir a posio da
haste da vlvula (linear variable differential transformer );
MISO: sistema com mltiplas entradas e uma nica sada (multiple input and single
output);
MSE: erro mdio quadrtico (mean square error );
NARMAX: modelo no-linear auto-regressivo, de mdia mvel com entradas exgenas (nonlinear autoregressive moving average model with exogenous inputs);
PI: controlador com aes proporcional e integral;
op: sada do controlador;
pv: varivel controlada;
dB: decibels;
Sumrio
1 Introduo
1.1
Motivao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2
Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
Contribuies propostas . . . . . . . . . . . . . . . . . . . . . . . . .
1.4
Publicaes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.5
Estrutura do texto . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1
2.2
Modelos de atrito . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3
2.2.1
Modelos estticos . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.2
Modelos dinmicos . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2.3
Modelos empricos . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4
Consideraes finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
31
3.1
3.2
Enunciado do problema . . . . . . . . . . . . . . . . . . . . . 37
Sumrio
3.3
3.2.2
3.2.3
3.2.4
Reduo do modelo . . . . . . . . . . . . . . . . . . . . . . . . 46
3.2.5
Otimizao numrica . . . . . . . . . . . . . . . . . . . . . . . 47
3.2.6
Comentrios finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
51
4.1
Descrio do problema . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.2
4.3
4.4
4.5
4.3.1
4.3.2
4.4.2
Fechamento do captulo
5 Resultados e discusses
5.1
5.2
. . . . . . . . . . . . . . . . . . . . 64
. . . . . . . . . . . . . . . . . . . . . . . . . 70
73
5.1.2
5.1.3
5.2.2
5.2.3
Sumrio
6 Concluses e sugestes para trabalhos futuros
109
6.1
6.2
Referncias Bibliogrficas
113
123
127
Captulo 1
Introduo
Este captulo introdutrio se inicia com uma discusso a respeito dos aspectos
mais relevantes que motivaram a escolha do tema de pesquisa. Em seguida (seo
1.2), so descritos os objetivos que nortearam o desenvolvimento deste trabalho. As
contribuies propostas e alguns dos resultados j publicados so expostos, respectivamente, nas sees 1.3 e 1.4. Por fim, a estrutura de captulos do documento
apresentada na seo 1.5.
1.1
Motivao
Em qualquer processo produtivo, eficincia e confiabilidade so sempre ca-
Introduo
de melhorias significativas. Portanto, surge a seguinte questo: o que pode ser feito
para reverter este quadro?
De acordo com Jelali [44], os fatores que comprometem o desempenho de malhas de controle so: erros de projeto, mau-funcionamento de sensores e atuadores,
estrutura ou sintonia de controladores inadequada e falta de manuteno.
Os atuadores mais encontrados nas malhas regulatrias das plantas industriais
so as vlvulas de controle de acionamento pneumtico, que apresentam caractersticas no-lineares (histerese, zona-morta, entre outras) provocadas pelo atrito entre
as partes mveis da vlvula. Este atrito pode causar efeitos indesejveis como erros estacionrios e comportamento oscilatrio. Muitos pesquisadores consideram o
atrito em vlvulas de controle um dos fatores mais relevantes para problemas de
desempenho em malhas de controle [21, 44, 50, 67]. Em outro estudo, realizado
em indstrias canadenses [12], foi mostrado que 30% das malhas oscilavam devido
a problemas relacionados s vlvulas de controle.
A rigor, o funcionamento de qualquer vlvula afetado por atrito, por menor
que seja tal influncia. Quando o atrito muito elevado, um procedimento imediato
de manuteno pode ser necessrio. Por outro lado, em situaes menos severas,
possvel usar compensadores especficos (baseados em modelos) para diminuir a
perda de desempenho da malha, at que uma parada seja programada. Portanto,
algoritmos para quantificao de atrito podem gerar uma classificao de prioridade
de manuteno, de acordo com a intensidade da no-linearidade da vlvula [22]. Nos
casos em que o procedimento de manuteno no for vivel (ou estritamente necessrio), os mesmos modelos usados para quantificar o atrito podem ser usados na sua
compensao. Por este fato, segundo Desborough e Miller [25], um mtodo confivel
e no-intrusivo, capaz de quantificar o atrito em vlvulas de controle operando em
malha fechada altamente necessrio na indstria de processos.
O problema de desempenho devido sintonia e/ou estrutura inadequada de
controladores, em geral, ocorre porque os controladores so sintonizados de forma
1.1 Motivao
Introduo
1.2
Objetivos
Em linhas gerais, este trabalho visa estender a metodologia originalmente
concebida por Srinivasan et al. [73], de modo que uma estrutura mais propcia seja
utilizada para modelar o atrito, e que um modelo no-linear seja empregado na
representao da dinmica do processo. Alm disso, deseja-se que o mtodo de
estimao de parmetros seja aplicvel a dados obtidos com o processo operando
em malha fechada, de modo que o projeto do experimento para a coleta de dados
tambm deve considerar esta questo.
Tais metas podem ser desmembradas nos seguintes objetivos especficos:
Seleo de uma estrutura conveniente para modelar certas no-linearidades
provenientes do atrito em vlvulas de controle;
Escolha de uma estrutura de modelo capaz de incorporar boa parte de eventuais comportamentos no-lineares referentes ao processo;
Desenvolvimento de um algoritmo para a estimao de parmetros de modelos
no-lineares, baseado em dados obtidos com o processo operando em malha
fechada;
Estudo de ferramentas para a validao dos modelos obtidos.
1.3
Contribuies propostas
A primeira contribuio originada deste trabalho uma metodologia para a
1.4 Publicaes
1.4
Publicaes
At este momento foram publicados quatro artigos em congressos (trs inter-
Introduo
Os resultados da aplicao do mtodo de identificao do conjunto atrito +
processo em dados simulados foram redigidos na forma de um artigo Valve friction and nonlinear process model closed-loop identification [71], publicado no 7th
International Symposium on Advanced Control of Chemical Processes, ADCHEM
ocorrido em julho deste ano, em Istambul (Turquia).
A aplicao do algoritmo de estimao de parmetros do modelo de Wiener a
dados gerados em malha fechada por uma planta simulada de neutralizao de pH,
deve gerar um artigo visando o XVIII Congresso Brasileiro de Automatica CBA, a
ser realizado em 2010, em Bonito - MS.
Tambm pretende-se publicar os resultados obtidos ao identificar o conjunto
atrito + processo em uma plataforma hbrida no 9th IFAC Symposium on Dynamics and Control of Process Systems, a ser realizado em julho de 2010, em Leuven
(Blgica). Esse trabalho tambm est sendo redigido na forma de um artigo a ser
enviado a um peridico da rea de controle de processos.
1.5
Estrutura do texto
O captulo 2 trata da modelagem do atrito em vlvulas de controle. As prin-
cipais estruturas de modelos de atrito, assim como suas respectivas vantagens e desvantagens so discutidas. Um mtodo para a estimao dos parmetros do modelo
de atrito de Karnopp, aplicado a uma vlvula de controle pneumtico apresentado.
A identificao caixa-preta de modelos de Wiener abordada no captulo 3.
Inicialmente so apresentados os principais modelos no-lineares construdos a partir
da associao de blocos dinmicos lineares e estticos no-lineares. Em seguida,
apresenta-se uma reviso bibliogrfica a respeito das abordagens existentes para a
estimao dos modelos de Wiener. Enfim, proposto um algoritmo para determinar
a estrutura e estimar os parmetros deste modelo.
A quantificao do atrito e a identificao do modelo do processo, com dados
Captulo 2
Modelagem do atrito em vlvulas de
controle
O fenmeno de atrito desperta o interesse de pesquisadores e engenheiros desde
o sculo XVI, quando a primeiro modelo matemtico para represent-lo foi proposto
por Leonardo da Vinci. Apesar de ser objeto de estudo h muito tempo, esse fenmeno ainda no completamente conhecido pela comunidade cientfica, tanto que
novas estruturas de modelos ainda tm sido propostas nos ltimos anos [27, 55, 75].
O atrito pode ser descrito como uma fora tangencial que surge em oposio movimentao, ou mesmo tendncia de movimento, entre dois corpos cujas
superfcies estejam em contato [4]. Quando presente em dispositivos atuadores, o
atrito pode ocasionar erros estacionrios, ciclos limite e o indesejvel fenmeno de
escorregamento, tambm conhecido por stick-slip, que provocado pelo fato da
fora de atrito ser maior durante uma situao de repouso do que em situaes de
movimento [16].
Em estratgias que visem compensar os efeitos do atrito, sem recorrer a malhas
de controle com ganho elevado [26], um modelo adequado imprescindvel para
prever e compensar os efeitos provocados pelo atrito. Alm disso, modelos de atrito
podem ser usados na anlise de estabilidade, na previso de ciclos limite de malhas
de controle e no desenvolvimento de simuladores de processos.
Justificada a importncia dos modelos de atrito, antes de iniciar uma reviso
10
acerca das estruturas de modelo disponveis, faz-se necessria uma breve descrio
das vlvulas de controle, cujo comportamento no-linear causado pela presena de
atrito, uma das principais fontes de variabilidade nas malhas de controle [21].
2.1
Figura 2.1: Corpo e atuador de uma vlvula de controle com atuador pneumtico (adaptado
de manuais tcnicos [28, 29]).
11
O conjunto atuador que proporciona a fora motriz para movimentar o obturador. No caso dos atuadores pneumticos, os mais usuais por questes de custo
e simplicidade, o sinal de controle convertido em presso de ar e age sobre um
diafragma em oposio fora elstica de uma mola (Figura 2.1). Portanto, como
o diafragma est ligado ao obturador atravs de uma haste, o desequilbrio entre as
foras da mola e a produzida pelo ar resulta em movimentos do obturador.
Para evitar vazamento de fluido entre a haste e o corpo da vlvula, so utilizados anis circulares de vedao, tambm chamados de gaxetas , que por exercerem
contato com as partes mveis (haste e obturador), provocam atrito entre as superfcies.
Ao considerar o atrito provocado pelo contato das gaxetas de vedao com a
haste da vlvula, o balano de foras baseado na segunda lei de Newton dado por:
m x(t) =
m
Foras
d2
x(t) = Fext (t) + Fmola (t) Fatrito (t),
dt2
(2.1)
em que m a massa das partes mveis; x(t) a posio da haste; Fext (t) = Ad Pext (t)
a fora externa aplicada, Pext (t) a presso de ar que atua sobre o diafragma e
Ad a rea do diafragma; Fmola (t) = kmola x(t) a fora da mola e kmola a
constante de elasticidade da mola; Fatrito (t) a fora de atrito.
Uma vasta quantidade de estruturas, cujo propsito modelar dispositivos
sujeitos a atrito, pode ser encontrada na literatura. A prxima seo apresenta uma
discusso a respeito das estruturas disponveis para tratar o problema da modelagem
das no-linearidades presentes em vlvulas de controle devidas ao atrito.
Em geral, utilizam-se gaxetas de Teflonr , que apresentam menos atrito quando comparadas s
12
2.2
Modelos de atrito
H alguns anos, um grupo de pesquisadores [6] publicou uma reviso completa
sobre a modelagem do atrito num contexto geral. Recentemente, Garcia [31] avaliou o desempenho de diversas estruturas empregadas na simulao de vlvulas de
controle com diferentes nveis de atrito.
De acordo com Altpeter [4], os modelos de atrito podem ser agrupados em
duas classes: estticos e dinmicos. Recentemente, modelos voltados a vlvulas
de controle, pertencentes a uma terceira classe, conhecida por empricos ou datadriven foram propostos [21, 50, 74]. Nos primeiros, a fora de atrito modelada
explicitamente, ao passo que a classe de modelos empricos, faz uso de relaes
matemticas para representar comportamentos especficos causados pelo atrito, num
dado dispositivo. Algumas das caractersticas, assim como as principais estruturas
propostas de cada classe, so apresentadas a seguir.
2.2.1
Modelos estticos
Nos modelos estticos, como o prprio nome diz, a fora de atrito dada por
um mapeamento esttico da velocidade da haste e da fora motriz (Fext + Fmola ).
A forma mais usual de realizar este mapeamento atravs da superposio de trs
componentes:
Atrito de Coulomb, Fc , que representa uma fora constante que atua em
oposio direo do movimento, e independe da magnitude da velocidade.
Acredita-se que este seja o principal componente de atrito em vlvulas de
controle [48].
Atrito viscoso linear, Fv x(t),
onde x(t)
a velocidade (da haste, no contexto de vlvulas). Este componente surge quando h deslocamento entre
duas superfcies lubrificadas, e a sua magnitude aumenta linearmente com a
velocidade, de acordo com o coeficiente Fv .
13
Uma estrutura de modelo distinta pode ser obtida de acordo com a forma
como os componentes descritos anteriormente forem combinados. A forma geral de
descrever a fora de atrito numa vlvula de controle, conhecida como modelo clssico
[6], dada por:
Fatrito (Fext (t), x(t),
x(t)) =
= 0;
Fdin (t)
, caso contrrio.
(2.2)
Fc + Fv x(t)
+ sgn (x(t))
(Fs Fc ) e(
2
x(t)
vs
),
(2.3)
definida como:
< 0;
1 , se x(t)
0 , se x(t)
= 0;
sgn (x(t))
1 , se x(t)
> 0.
O atrito de Stribeck foi verificado experimentalmente no incio do sculo XX, pelo cientista
alemo Richard Stribeck (1861-1950), enquanto investigava a relao da fora de atrito com a
velocidade do movimento [4].
14
para o dinmico, chamado stick-slip. No caso das vlvulas de controle, como consequncia deste fenmeno, toda vez que a haste iniciar um movimento, ou seja:
|Fext (t) kmola x(t)| > Fs
a movimentao ocorrer na forma de um salto, denominado slip-jump [21].
Vale ressaltar que, ao utilizar o modelo (2.2) em simuladores, a comutao
entre os regimes esttico e dinmico depende da condio x(t)
= 0. No entanto,
detectar esta condio no trivial, pois x(t)
Fc sgn (x(t))
+ Fv x(t)
, se |x(t)|
> DV
, se |x(t)|
< DV e
F (t) k
ext
mola x(t)
|Fext (t) kmola x(t)| 6 Fs
Fatrito (t) =
, se |x(t)|
< DV e
(2.4)
< DV .
Para ilustrar a diferena entre o comportamento da fora de atrito em funo
da velocidade, reproduzido pelos modelos clssico e de Karnopp, as expresses (2.2)
e (2.4) foram simuladas utilizando os seguintes parmetros:
Fc = 600N,
Fv = 2200 Ns
,
m
Fs = 720N,
vs = 103 ms
DV = 0,6vs .
= DV .
15
Modelo de Karnopp
6
1
0.5
0.5
2.2.2
Modelos dinmicos
16
para iniciar um movimento, pode ser funo da taxa de variao da fora motriz [46],
ao invs de constantes como em (2.3). Dentre as estruturas de modelos dinmicos
capazes de incorporar cada um dos comportamentos descritos anteriormente, podemse citar: Lund-Grenoble (LuGre) [16], Leuven [75], elastoplstico [27] , Maxwell Slip
[55], entre outros.
Apesar de ampliar a gama de fenmenos representveis, a classe de modelos
dinmicos necessita de sofisticados mtodos para a estimao de seus parmetros,
pois possuem variveis de estado que no so mensurveis [66], e so descritos por
estruturas mais complexas, se comparadas aos modelos estticos. Por outro lado, os
modelos baseados em mapeamentos estticos, especialmente o modelo de Karnopp,
tm apresentado resultados satisfatrios, quando utilizado para modelar [70] ou para
compensar [48] o fenmeno de atrito em vlvulas de controle.
Uma provvel justificativa para tais resultados pode ser o compromisso entre
simplicidade estrutural e capacidade de representar fenmenos proporcionados pelo
modelo de Karnopp. Ademais, num trabalho recente [31], mostrou-se atravs de
simulaes que os modelos de Karnopp e de LuGre reproduzem de forma equivalente
os comportamentos de histerese e slip-jump em uma vlvula de controle.
Tais fatos levam a crer que a estrutura do modelo de Karnopp suficiente
para representar o atrito em vlvulas de controle. Alm disso, a dificuldade de
se estimar os parmetros de modelos dinmicos a partir de dados de operao em
malha fechada, dificulta a aplicao desta classe de modelos em muitas situaes
prticas [66]. Todavia, a ttulo de sugesto, so indicadas algumas referncias onde
os modelos dinmicos so tratados com maior profundidade [4, 6, 16, 27, 35, 55].
2.2.3
Modelos empricos
17
Fext (k) H
(
, se Fext (k) < Fext (k 1)
x(k) =
F
(k)
+
H
ext
x(k 1)
, caso contrrio,
(2.5)
Normalmente os modelos empricos so baseados em sinais amostrados [21, 50, 74], portanto
18
linha de (2.5), note que para a haste se movimentar no sentido ascendente, ou seja
x(k) > x(k 1), duas condies devem ser satisfeitas: (1) a fora no instante atual
deve ser maior do que no anterior e (2) a fora externa deve ultrapassar a histerese
provocada pelo atrito. O movimento descendente expresso de forma anloga na
segunda linha de (2.5). Por outro lado, se ambas as condies necessrias para haver
movimentao da haste no forem satisfeitas, ento x(k) = x(k 1).
A Figura 2.3 mostra a resposta da posio x(k) para uma excitao senoidal,
cuja amplitude varia entre 20% e 80%, quando a vlvula est sujeita histerese
reproduzida por (2.5) com H = 10%. Os segmentos AB e CD, de comprimento 2H,
0.8
0.8
0.7
0.7
0.6
0.5
0.4
0.3
x(k)
20
40
60
80
0.6
0.8
0.6
0.5
0.4
0.3
F e x t (k)
0.2
0.2
100
0.2
Tempo [s]
0.4
Figura 2.3: Entrada e sada reproduzida pelo modelo de histerese (2.5), parametrizada por
H = 10% (esquerda) e a correspondente relao x(k) = f (Fext (k)) (direita).
, caso contrrio,
(2.6)
em que dsj representa o slip-jump. Este modelo foi empregado com xito em tcnicas
19
de deteco do atrito esttico [73, 74]. Entretanto, para fins de predio da posio
da haste em vlvulas de controle, esta estrutura pode proporcionar resultados pobres,
especialmente em situaes onde a influncia da histerese significativa.
Um modelo composto por dois parmetros (S e J), capaz de reproduzir tanto
o comportamento no-linear da histerese, quanto o slip-jump provocado pelo atrito
esttico, foi proposto recentemente [20], onde o parmetro S expressa a bandamorta da histerese e J quantifica o slip-jump, toda vez que a haste sai de uma
situao de repouso. Todavia, verificou-se atravs de simulaes, que esta proposta
inicial funciona bem apenas para uma classe restrita de sinais [31]. Kano et al. [50]
reformularam o modelo supracitado, de modo a remover a restrio quanto ao sinal
de entrada. A relao entre a fora aplicada e a posio da haste reproduzida por
0.9
0.9
0.8
0.8
0.7
0.6
0.5
0.4
0.6
0.4
0.3
0.2
Posic a o da haste
0.2
40
60
Tempo [s]
80
100
J
I
K
E
C D
0.5
Forc a aplicada
20
0.7
0.3
B
A
0.4
0.6
0.8
Figura 2.4: Entrada e sada reproduzida pelo modelo emprico [50], onde S = 15% e
J = 4% (esquerda), e a correspondente relao x(k) = f (Fext (k)) (direita).
20
que rege a posio da haste x(k) e ento ocorre o slip-jump at o ponto E. Portanto,
o comprimento do segmento DE corresponde a J. Este mesmo comportamento se
repete quando Fext (k) atinge 0,75 e volta ao regime esttico por 10s.
O efeito do parmetro S s notado quando h mudana de sentido. Note que
quando Fext (k) = 0,9 (indicado pelo ponto F na Figura 2.4), a fora aplicada comea
a ser reduzida e a haste se mantm parada, at que em G, onde Fext (k) = 0,75, a
diferena de foras entre os pontos F e G, Fext(F G) , ultrapassa o valor da histerese,
e a haste salta para H. Logo: F G = S. Ainda h uma nova parada (I) e outro slipjump (pontos J, K), antes da prxima mudana de sentido, quando Fext(LA) > S,
resultando no escorregamento da posio de A para B.
O comportamento no-linear proveniente da superposio da histerese e do
slip-jump no modelo emprico de dois parmetros (S e J), que a partir deste ponto
ser referenciado como modelo de Kano, descrito atravs de um fluxograma ilustrado na Figura 2.5.
Antes de mais nada, necessrio transformar a fora externa aplicada, Fext (k),
de unidade de engenharia para porcentagem, pois o modelo trabalha apenas com
valores normalizados. Alm dos parmetros S e J, o modelo possui trs variveis
internas: stp que assume os valores 0 ou 1 para indicar as situaes de movimento
ou repouso, respectivamente; us que armazena o valor de Fext (k) no exato instante
em que a haste sai de uma situao de movimento para repouso e daux = 1 que
usado para denotar o sentido da fora de atrito.
O primeiro bloco de deciso utilizado para impedir que valores esprios
de Fext (k) sejam processados, impondo 0 e 1 como limites inferior e superior de
saturao da entrada. Depois disto, calculada a variao da fora externa Fext (k),
em relao ao instante anterior. E ento, se Fext (k) mudar de sentido a partir de uma
situao de movimento, us atualizado com o valor da entrada no instante anterior
e stp passa a indicar situao de repouso, para evitar que haja uma mudana de
sentido sem passar pelo regime esttico.
21
daux (S J)
.
2
(2.7)
Caso contrrio, ou seja, se for indicada uma situao de repouso (stp = 1), h
trs possibilidades:
1. Houve mudana no sentido de Fext (k), superior banda-morta de histerese,
fazendo com que a haste se mova em oposio ao ltimo deslocamento, ou seja,
o sinal da varivel daux invertido antes de atualizar x(k), de acordo com a
expresso (2.7);
Fext (k) [p.u.]
0 Fext (k) 1
no
Saturao (0 1)
sim
Fext (k) , Fext (k) Fext (k 1)
sim
us = Fext (k 1),
e stp = 1
no
stp = 0?
sim
no
sim
daux = daux
no
daux (Fext (k) us ) > J ?
no
Mantm a posio
anterior: x(k) = x(k 1)
sim
,
x(k) = Fext (k) daux (SJ)
2
stp = 0
x(k) [p.u.]
Figura 2.5: Fluxograma do modelo emprico de Kano com parmetros S e J [50].
22
Por fim, sempre que a posio da haste for atualizada, a varivel stp passa a indicar
movimento.
O modelo S e J considera, implicitamente, que a fora de atrito independe
da velocidade do movimento. Apesar de esta hiptese no ser verdadeira, conforme
verificado em testes prticos [4], no caso das vlvulas de controle de acionamento
pneumtico, considerar a fora de atrito constante no regime dinmico pode ser razovel, pois aparentemente, o atrito viscoso desprezvel se comparado magnitude
de outras foras presentes no balano (2.1), como a fora da mola (Fmola ) e o atrito
de Coulomb (Fc ) [70].
2.3
23
24
visual da posio da haste e da sada do controlador (op). Na segunda tcnica, idealizada por Choudhury et al. [22], o atrito caracterizado ao ajustar uma elipse ao
grfico que expressa a varivel controlada (pv ) em funo da op. O terceiro mtodo,
desenvolvido por Hgglund [39], estima a histerese a partir da pv, do ganho esttico
do processo e dos parmetros do controlador. Embora apenas informaes disponveis na maioria das situaes prticas sejam necessrias, estes mtodos dependem
de tratamentos nos dados (filtragem e decimao) que devem ser ajustados caso a
caso.
Em outro trabalho, Ravanbod-Shirazi e Besanon-Voda [66] desenvolveram
um mtodo de identificao para um atuador pneumtico, no qual os parmetros
do modelo de atrito de Karnopp, com exceo do atrito esttico Fs , so estimados
usando uma regresso linear. Romano e Garcia [69] propuseram alteraes nesse
mtodo com a finalidade de aplic-lo em vlvulas de controle. A rigor trata-se de
duas modificaes: (1) incluso do termo relativo fora da mola, kmola x(k),
na etapa que utiliza regresso linear e (2) proposta de uma forma alternativa para
estimar Fs atravs de medidas em instantes de iminncia de movimento. Tal mtodo
descrito a seguir.
2.3.1
Baseando-se no modelo de Karnopp descrito na seo 2.2.1, quando a velocidade da haste maior do que DV , o balano de foras (2.1) em instantes k dado
por:
Fext (k) = m x(k) + Fv x(k)
+ Fc sgn (x(k))
+ kmola x(k).
(2.8)
Um algoritmo simples e eficiente para o clculo numrico de derivadas pode ser encontrado em
Aguirre [1].
25
(2.9)
T
x(k) x(k)
sgn (x(k))
x(k)
(k) =
(2.10)
T
(2.11)
X
k
2
Fext (k) T (k)
X
k
(k) (k)
!1
X
k
(2.12)
s
max (|x(k)|)
,
Z
(2.13)
26
F
F
ext
ext
u
t k=1
,
(s) =
ns np
(2.14)
s
s
em que Fext
(k) e Fext
(k) so, respectivamente, a fora externa medida e a sua es-
timativa calculada usando (2.9), para cada valor distinto de v(s); ns o nmero
s
(k) e np a dimenso de (np = 4, neste caso). Como o desviode pontos em Fext
s
(k), a regio onde (s) mnimo,
padro, (s), proporcional variabilidade de Fext
foi escolhido.
deve corresponder ao valor de s onde
Outra ferramenta que pode ser usada na validao do vetor de parmetros
estimados o coeficiente de correlao, R2 (s), que calculado atravs de [66]:
R2 (s) =
ns
X
k=1
ns
X
k=1
s
s
(k) F ext (k)
Fext
s
Fext
(k)
2
2
s
F ext (k)
(2.15)
27
s
sendo que F ext (k) a mdia temporal de Fext
(k). medida que a estimativa da
X
k
Fs , k)
x(k) x(,
2
(2.16)
(2.17)
28
2.4
Consideraes finais
Em situaes onde a posio da haste e a fora aplicada ao atuador da vlvula
sejam conhecidos (ou puderem ser estimadas), o modelo obtido atravs deste mtodo
pode ser usado no projeto de compensadores de atrito baseados em modelo ou no
diagnstico de falhas. Entretanto, quando esta hiptese no for verdadeira, surge a
necessidade de uma nova estratgia para identificao do modelo de atrito.
Existem alguns mtodos de identificao de atrito baseados nos modelos emp-
29
ricos, que so capazes de estimar a histerese [7, 39] ou o atrito esttico [73, 74] de uma
vlvula de controle, sem a informao da posio da haste ou da fora aplicada ao
atuador. O problema de tais mtodos serem baseados em modelos que contemplem
um nico parmetro.
Os mtodos de deteco [22] e quantificao [23, 45] de atrito propostos na literatura permitem que os parmetros S e J do modelo emprico de Kano, apresentado
na seo 2.2.3, sejam estimados sem a disponibilidade de x(k) ou Fext (k). Todavia,
nestes trabalhos modelos de estruturas lineares so considerados para representar a
dinmica do processo. Esta hiptese pode ser razovel se o processo operar numa
faixa restrita. Entretanto, diante de perturbaes significativas ou quando o processo apresentar comportamento altamente no-linear, estes mtodos podem ter o
desempenho deteriorado [73].
No captulo 4 proposta uma extenso para os mtodos de identificao existentes [23, 45, 73], atravs da qual possvel tanto estimar os parmetros do modelo
de atrito S e J, como identificar um modelo dinmico no-linear para o processo,
usando a estrutura Wiener de modelos de blocos interconectados.
Captulo 3
Identificao de modelos de
processos no-lineares
Nas ltimas dcadas, a identificao de sistemas usando estruturas de modelos lineares foi intensamente explorada, tanto que atualmente existem ferramentas
padronizadas e bem estabelecidas para tratar tal problema. Em muitas situaes
prticas, aproximaes por estruturas lineares em torno de uma condio de trabalho proporcionam resultados satisfatrios. Entretanto, modelos lineares no so
capazes de representar certos regimes dinmicos caractersticos de sistemas nolineares. Alm disso, a maioria dos sistemas reais so inerentemente no-lineares, o
que acaba comprometendo, de alguma forma, a eficcia dos mtodos de identificao
linear, principalmente em situaes onde o sistema em questo possua uma ampla
regio de operao.
H uma grande variedade de estruturas de modelos no-lineares, dentre as
quais podem-se citar: a srie de Volterra [13], os modelos NARMAX (do Ingls,
Nonlinear Auto Regressive Moving Average with eXogenous variables) polinomiais e
racionais [1], as estruturas baseadas em rede neurais artificiais [40] e os modelos de
blocos interconectados [14]. Uma boa reviso a respeito das estruturas disponveis
para representar sistemas no-lineares foi publicada h alguns anos por Pearson [64].
Este captulo dedicado a apresentar algumas das estruturas de modelos de
blocos interconectados para a identificao caixa-preta de sistemas no-lineares.
A partir da seo 3.2 apenas o modelo de Wiener considerado, pois este ser
31
32
3.1
33
v(k)
u(k)
/ N
w(k) /
L
+
+/GFED
@ABC
/ y(k)
ou seja, para um dado y pode haver mais de um u, desde que a funo do bloco N
no seja invertvel [65].
Outra forma muito usada para representar sistemas no-lineares, usando a
conexo dos blocos L e N , ligando a sada de um bloco dinmico linear a um
bloco no-linear (L N ). Esta estrutura, cujo diagrama de blocos est ilustrado na
Figura 3.2, conhecida como modelo de Wiener. Note que o termo de perturbaes
v(k) adicionado na sada do bloco L. Com isso, as perturbaes tambm esto
sujeitas curva de ganho do processo, portanto, quanto maior o ganho, maior ser a
sensibilidade de y(k) a eventuais distrbios. Apesar de no modelar adequadamente
o rudo de medio, esta suposio mais coerente, do ponto de vista de processos
industriais, pois a influncia das pertubaes, normalmente, mais significativa do
que a proporcionada por rudos de medio [89].
Aguirre et al. [3] mostraram que os autovalores do modelo de Wiener linearizado em torno de um ponto de operao (u, y) dependem explicitamente dos
valores estacionrios da entrada e da sada. Logo, diferentemente dos modelos de
Hammerstein, a dinmica desses depende do ponto de operao. Ademais, o ganho
em estado estacionrio dos modelos de Wiener, tambm varia com o par (u, y).
Ao combinar os modelos de Hammerstein e de Wiener, ou seja, se o bloco
dinmico for envolvido por dois blocos estticos no-lineares (N1 L N2 ),
v(k)
u(k)
/ L
+ w(k)
+/GFED
@ABC
/ N
/ y(k)
34
u(k)
/ N
1
+
+/GFED
@ABC
/ L
/ N
2
/ y(k)
(a)
v(k)
u(k)
+/GFED
@ABC
O
+
/ L
+
+/GFED
@ABC
/ y(k)
N o
(b)
Figura 3.3: Modelos de Hammerstein-Wiener (a) e de Lure (b).
fixo da entrada u poder proporcionar mais de um valor estacionrio na sada y, desde que a funo
esttica no-linear no ramo de realimentao no seja invertvel [65].
35
3.2
modelos de Wiener foi realizado por Billings e Fakhouri [14]. Este mtodo resulta em
modelos no-paramtricos por meio da anlise de funes de correlao, no sendo
apropriado para aplicaes prticas, pois requer sinais especficos de excitao (rudo
branco). Alm disso, a varincia das estimativas costuma ser elevada.
A maior dificuldade que surge ao estimar os parmetros de modelos de blocos
interconectados que os sinais intermedirios no so conhecidos [24]. No caso do
modelo de Wiener, este sinal a sada do bloco dinmico linear, w(k), conforme
a Figura 3.2. No algoritmo desenvolvido por Pearson e Pottmann [65], admite-se
que a curva esttica do sistema y = f (u) seja conhecida a priori. Deste modo, os
parmetros do bloco dinmico so estimados impondo restries ao mtodo clssico
usado em modelos ARX (do Ingls, Auto Regressive with eXogenous variables).
36
cida, ou ento, no vivel realizar ensaios para coletar dados em estado estacionrio
ao longo de toda a faixa de interesse. Para lidar com tais fatos, Coelho [24] props
duas formas para obter a curva esttica a partir de dados dinmicos: (1) um modelo
NARMAX identificado e a funo y = f (u) determinada usando conceitos de
agrupamentos de termos e de pontos fixos de modelos no-lineares [1]; (2) a caracterstica esttica estimada diretamente por um algoritmo iterativo, baseado na
anlise do coeficiente de agrupamento de termos.
Mtodos iterativos tambm podem ser usados na identificao do modelo
L N . Neste caso, numa primeira iterao, admite-se que exista e sejam conhecidos os parmetros do mapeamento w(k) = g (y(k)). Logo, o sinal w(k)
calculado e o bloco L estimado. Em seguida, a partir desta estimativa e do sinal
de entrada u(k), determina-se o sinal intermedirio, que usado para identificar
os parmetros do bloco esttico no-linear. Este procedimento repetido at que
no haja variao significativa nos parmetros. Apesar de proporcionar resultados
satisfatrios [82, 89], ainda no se demonstrou a convergncia dos algoritmos que
utilizam esta metodologia.
Westwick e Verhaegen [85] estenderam o algoritmo MOESP (do Ingls, Multivariable Output-Error State sPace), pertencente ao esquema de identificao por
subespaos, para estimar os parmetros do modelo de Wiener. Apesar de noiterativo e eficiente em termos de esforo computacional, Forssell [30] mostrou que o
mtodo de subespaos no consistente quando aplicado identificao de modelos
com dados de malha fechada.
Para evitar os problemas de mnimos locais e de convergncia dos algoritmos
iterativos, Kalafatis et al. [49] parametrizaram o bloco dinmico linear atravs de um
filtro para amostragem de freqncia ou FSF (do Ingls, Frequency Sampling Filter ),
de modo que os parmetros pudessem ser determinados analiticamente, desde que
o sistema no esteja sujeito a perturbaes (introduzidas na sada do bloco linear)
ou rudos de medio.
37
Estruturas de modelos mais complexas exigem mtodos iterativos para a estimao de parmetros, portanto, h o risco de se obter um mnimo local. Por outro
lado, ao adotar uma estrutura menos flexvel, que requeira uma quantidade maior
de parmetros, pode-se obter um estimador linear e, consequentemente, reduzir (ou
at eliminar) o problema de mnimos locais, sob pena de aumentar a varincia da
estimativa .
Hagenblad [36] props uma metodologia de mltiplas etapas para lidar com
estas questes. Primeiramente, o bloco dinmico foi parametrizado por um modelo
de resposta impulsiva finita, ou simplesmente FIR (do Ingls, Finite Impulse Response), de ordem elevada, de modo que uma estimativa inicial fosse obtida a partir
de uma regresso linear. Em seguida, esta estimativa reduzida para uma estrutura
de funo de transferncia racional. Tjrnstrm [76] mostrou que a varincia da estimativa usando esta estratgia de dois passos menor ou igual que seria obtida por
um procedimento direto. Por fim, utiliza-se o mtodo de Gauss-Newton [58] para
obter numericamente os parmetros do modelo de Wiener, a partir da estimativa
obtida na etapa anterior.
A seguir descrito um procedimento para a estimao de parmetros de modelos de Wiener a partir de dados de operao em malha fechada, sujeitos a perturbaes no-lineares (Figura 3.2).
3.2.1
Enunciado do problema
38
A funo esttica no-linear, cuja parametrizao feita atravs do vetor , representada por f (, ) e K(q) um controlador linear. Os sinais r(k), u(k), y(k),
v(k) e e(k) denotam, respectivamente, o valor de referncia, a entrada, a sada, as
perturbaes do processo e um rudo branco de mdia nula e varincia e2 . Portanto,
trata-se de um processo modelado por uma estrutura de Wiener operando em malha
fechada.
Neste trabalho pretende-se estudar uma forma de identificar os parmetros do
modelo de Wiener empregando um mtodo de identificao direta, ou seja, apenas
os dados de entrada e sada do processo so usados para estimar e .
e(k)
r(k)
+/GFED
@ABC
/ K(q)
/ H(q, )
v(k)
+ w(k)
u(k) /
+/GFED
@ABC
/ f (, )
G(q, )
|
{z
}
/ y(k)
modelo de Wiener
(3.1)
X
= arg min
,
(y(k) f (G(q, )u(k), ))2 .
,
(3.2)
Apesar de este critrio ser adotado at mesmo em pacotes comerciais [61, 62],
Hagenblad et al. [38] mostraram que o estimador (3.2) polarizado caso haja dependncia entre u(k) e v(k). Portanto, no seria conveniente utilizar esta abordagem
no presente contexto, pois, devido ao efeito da realimentao (Figura 3.4), sempre
haver tal correlao em alguma intensidade.
39
(3.3)
2 (k, , )
(3.4)
)
= w(k, ) w(k|,
),
(3.5)
(3.6)
Uma vez escolhido o critrio a ser usado para estimar os parmetros do modelo
de Wiener, a seguir so parametrizados os blocos G(q, ), H(q, ), f (w(k), ) e o
mapeamento f 1 (y(k), ).
Expresso usada para calcular w(k, ) a partir dos dados observados at o instante k 1.
40
3.2.2
(3.7)
Para qualquer w [wmin ; wmax ], uma spline cbica, cujos trechos sejam especificados por (3.7), pode ser representada atravs de [56]:
y(k) = f (w(k), ) =
m1
X
i=2
(3.8)
41
m1
X
i=2
(3.9)
(3.10)
(3.11)
(3.12)
= (f2 , . . . , fm+1 )T
(3.13)
= (g2 , . . . , gm+1 )T .
(3.14)
(3.15)
42
3.2.3
43
(3.16)
i=1
m1
X
i=2
n
X
i=1
i u(k i).
(3.17)
(3.18)
(3.19)
v(k) = T (k) .
Uma forma de estimar minimizando a norma 2 de v(k), que representa a diferena entre a sada do modelo FIR e de w(k) dado por (3.9). Portanto, para uma
sequncia de N pontos:
= arg min
N
X
k=n+1
T (k)
2
(3.21)
Deve-se ressaltar que o estimador (3.21) polarizado, caso v(k) no seja rudo branco
[34, 36]. Entretanto, apesar de v(k) raramente aproxima-se de rudo branco, pois
usado para representar distrbios do processo, tal polarizao pode ser desprezada
desde que o vetor gere estimativas iniciais de G(q) e f 1 () que estejam na regio
de atrao do mnimo global da funo objetivo (3.3).
44
n
X
i=1
i = |0 .{z
. . 0} |1 .{z
. . 1} = R .
m
(3.22)
Como (3.22) linear em relao aos parmetros, o vetor que resolve o problema
(3.21), sujeito a (3.22), dado por :
1 T T
1 1
,
= T
R R T
R
(3.23)
45
(w (k) w
(k)) ,
Voe =
N p k=n+1
(3.24)
i q i u(k)
g (y(k), )
Voe (m) =
N (n + m) k=n+1
i=1
N
2
N + (n + m) X T
(k) .
N (n + m) k=n+1
|
{z
}
!2
(3.25)
O termo identificado por em (3.25) tem a funo de penalizar modelos sobreparametrizados, ao passo que o restante da expresso leva em conta o ajuste do
modelo aos dados. A eficcia deste critrio foi comparada com abordagens baseadas no erro de predio, como o FPE (do Ingls, Final Prediction Error ) [88, 89] e
mostrou-se mais robusto em situaes prticas.
Uma vez obtida uma aproximao do bloco dinmico linear atravs de uma
estrutura FIR, o prximo passo rumo identificao do modelo de Wiener transformar esta estimativa inicial em uma estrutura de funo de transferncia racional,
Em Aguirre [2] descrito um mtodo prtico, baseado em funes de correlao, para deter-
46
3.2.4
Reduo do modelo
N
X
k=l+1
2
1
(3.26)
Note que o argumento quadrtico idntico a (k) em (3.15), a no ser por w (k),
ao invs de f 1 (y(k), ). Embora a resoluo de (3.26) envolva uma regresso nolinear, este problema pode ser facilmente resolvido usando o estimador estendido de
mnimos quadrados [1].
Com relao escolha da ordem l do modelo reduzido, pode-se empregar um
critrio semelhante ao usado na determinao de m:
Voe (l, nc )
2
N
N + (2l + nc + m) X
B(q, )
w
(k)
u(k) .
N (2l + nc + m) k=l+1
A(q, )
(3.27)
Assim como em (3.25), este critrio leva em considerao tanto o ajuste do modelo
aos dados, como o aspecto de sobreparametrizao. Como a ordem de C(q) tambm
no conhecida, na prtica, nc pode ser escolhido por tentativa-e-erro, admitindo
valores de forma crescente e verificando o comportamento de (3.27).
3.2.5
47
Otimizao numrica
(i)
(i) 1
V ((i) , (i) ),
R
=
(3.28)
em que ()(i) denota o valor de () na i-sima iterao, R(i) uma matriz que determina a direo de busca, (i) uma constante positiva usada para garantir que:
V ((i+1) , (i+1) ) < V ((i) , (i) )
e V ((i) , (i) ) o gradiente da funo objetivo em relao aos parmetros.
A escolha mais simples para R(i) admiti-la uma matriz identidade. Com isso,
(3.28) torna-se o mtodo de descida mais ngreme (do Ingls, steepest-descent). No
entanto, este mtodo pouco eficiente prximo de uma regio de mnimo [36, 58].
Para situaes como esta, o mtodo de Gauss-Newton, no qual:
R(i) =
X
k
(3.29)
bem mais apropriado [89]. Vale ressaltar que como V (, ) quadrtica, ento:
V ((i) , (i) ) = 2
X
k
(3.30)
48
3.2.6
Uma vez determinados os parmetros (g2 , . . . , gm+1 ), w(k) pode ser obtido
diretamente a partir de (3.9). Logo, o vetor que parametriza o bloco esttico
no-linear pode ser obtido da soluo de um problema de mnimos quadrados linear:
N
2
1 X
y(k) T (k) ,
= arg min
N k=1
(3.31)
sendo que:
T
3
3
(k) , |w
(k) w2 | , . . . , |w
(k) wm1 | , 1, w
(k) .
Os valores dos pontos {w1 , . . . , wm } podem ser selecionados de duas formas:
(1) como, neste momento, o mapeamento w(k) = f 1 (y(k), ) conhecido, os trechos da spline podem ser determinados por inspeo visual, de modo que mais pontos
sejam alocados onde haja variaes bruscas; ou (2) assim como na parametrizao
da funo inversa w(k) = f 1 (y(k), ), os valores de wi , para i = 1, . . . , m, podem
ser distribudos uniformemente na faixa dos valores de w(k).
Na presente formulao, adotou-se o mesmo grau em ambas as splines, (3.8) e
(3.9); entretanto, os mesmos procedimentos apresentados anteriormente so aplicveis, quando uma quantidade distinta de trechos for usada nas parametrizaes de
y(k) = f (w(k), ) e de w(k) = g (y(k), ).
3.3
Comentrios finais
O fluxograma da Figura 3.5 ilustra as etapas envolvidas no procedimento para
a estimao dos parmetros de um modelo de Wiener. Note que para obter o grau m
do polinmio seccionado, que representa a funo w = g(y(k), ), todos os valores
do intervalo [3; mmax ] so testados e, em seguida, o valor que minimiza o critrio
49
m = mmax ?
m=m+1
sim
Selecionar o vetor e m para
os quais Voe (m) mnimo
Inicializar a ordem do
modelo reduzido: l = 1
Reduzir o modelo FIR para uma funo
de transferncia racional (subseo 3.2.4)
l = lmax ?
no
l =l+1
sim
(l, n )
50
Captulo 4
Identificao dos parmetros do
conjunto atrito + processo
Conforme dito anteriormente, o atrito em vlvulas um dos principais responsveis por causar oscilaes nas malhas de controle. Outro fator que compromete
o desempenho dos processos industriais a sintonia inadequada de controladores.
Neste captulo, proposta uma metodologia para que seja possvel, a partir de dados obtidos em malha fechada, quantificar o atrito em vlvulas de controle e obter
modelos de processos, que possam ser empregados na re-sintonia de controladores.
4.1
Descrio do problema
No captulo 2 foi descrito um mtodo para a estimao dos parmetros do
51
52
Perturbaes
+/GFED
Referncia +GFED
@ABC
/@ABC
/ Controlador
_ _ _ _ _ _ _ _ _ _ _ _
/ Processo
/ Atrito
_ _ _ _ _ _ _ _ _ _ _ _
op
/ pv
53
d(k)
+
z(k)
+GFED
@ABC
/
/ K(q)
/ (S, J)
r(k)
Controlador
Atrito
Modelo
_ _Wiener
_ _ _+_ARMAX
_ _ _
_ _ _ de
e(k)
v(k)
/ H(q)
u(k)
+ +
@ABC
GFED
/
/ f ()
/ G(q)
_ _ _ _ _ _ _ _ _ _ _ _
/ y(k)
54
O objetivo do restante do captulo propor um mtodo para identificar os parmetros do modelo de atrito (S, J), do processo (G(q), f ()) e de perturbaes H(q), de
acordo com a estrutura mostrada na Figura 4.2.
4.2
v ()(),
(4.1)
Um experimento informativo produz dados a partir dos quais possvel determinar os par-
metros do sistema de forma nica. Pode ser facilmente mostrado [30] que em um esquema de
identificao em malha fechada, um sinal persistentemente excitante [58] na entrada da planta no
implica em dados suficientemente informativos.
55
(4.2)
(4.3)
56
A Figura 4.3 mostra realizaes do sinal GBN composto por 800 amostras espaadas
de 1s e magnitude VGBN unitria, para trs valores de Tsw . Note a forma como o
espectro do sinal varia de acordo com a especificao de tempo mdio em cada
patamar.
Para guiar o projeto de sinais de excitao GBN, Tulleken [77] props uma
faixa de valores sub-timos do tempo mdio em cada patamar em funo do tempo
de acomodao ts :
ts
Tsw =
(4.4)
18
Tsw = 10s
Ts w = 10s
Ts w = 20s
Ts w = 40s
16
0
14
GBN
200
400
600
800
0
1
0
1
200
400
600
800
10
8
6
Tsw = 40s
0
1
0
12
Tsw = 20s
d ( )
1
0
200
400
Tempo [s]
600
800
0 2
10
10
10
57
no
sim
d(i) = +VGBN
sim
Fim
d(i) = VGBN
i = N?
no
i=i+1
Ri < psw ?
sim
d(i) = d(i 1)
no
d(i) = d(i 1)
58
4.3
ser visto como um modelo Hammerstein-Wiener (ver Figura 3.3(a) na seo 3.1).
Logo, o problema de estimar os parmetros do modelo de atrito e do processo,
poderia ser tratado por um algoritmo de estimao de modelos de blocos interconectados, como por exemplo, o desenvolvido por Zhu [90], onde a identificao
realizada atravs de uma abordagem caixa-preta.
No entanto, neste caso, h conhecimento prvio a respeito da estrutura da
no-linearidade que antecede o bloco dinmico. Alm disso, como os sinais entre
os blocos no so conhecidos, a no ser que uma estrutura apropriada seja usada
para representar o fenmeno de atrito, ganhos arbitrrios seriam distribudos entre
o bloco linear e os no-lineares. Com isso, a quantificao do fenmeno de atrito na
vlvula seria, provavelmente, inconsistente.
4.3.1
(4.5)
59
1. Criar um conjunto de valores candidatos D para o par (S, J). Neste passo,
deve-se ter em mente os seguintes aspectos: (1) O valor de J limitado por S
[21], pois na pior das hipteses, J = S ; (2) Uma condio necessria para que
a estimao dos parmetros de atrito seja vivel, que haja movimentao da
haste da vlvula. Admitindo-se que o sinal de teste tenha sido convenientemente escolhido, razovel afirmar que a maior parte das inverses de sentido
tenham sido causadas pelo sinal de teste. Logo, pode-se dizer que a amplitude
mxima de z(k) impe um limite superior para o parmetro S, ou seja:
(4.6)
max(J) = S
2
1
0
0
5
max(S)
Figura 4.5: Lugar geomtrico dos valores candidatos ao par (S, J).
(4.7)
60
4.3.2
61
(4.8)
N
2
1 X
(q) u (S, J, k)
y(k) f G
,
N k=1
(4.10)
62
Estimativa inicial
A condio inicial (S + S, S) baseada na expresso (2.7) que
reescrita com a notao usada na Figura 4.2:
u(k) = z(k)
daux (S J)
.
2
(4.11)
O dimetro de um simplex determinado pela maior distncia entre dois vrtices. Como o pro-
blema de otimizao (4.10) de dimenso 2, o simplex possui trs vrtices, cada qual representando
um par (S, J).
63
S S < S J < S + S.
3
2
max(J) = S
1
0
0
S 1S
S 2
S + 3S
6
max(S)
Figura 4.6: Condio inicial para otimizao do algoritmo 4.2 e lugar geomtrico do par
(S, J) sujeito a (4.12).
(4.13)
64
4.4
priado para uma determinada aplicao. Para realizar esta verificao, pode-se
considerar as seguintes questes [58]: (1) O modelo bom o bastante para atender
aos seus propsitos? (2) As simulaes esto de acordo com os dados observados?
(3) O modelo descreve o sistema real?
Geralmente, o mtodo para responder a estas questes confrontar o modelo
estimado com informaes do sistema real. Tais informaes incluem conhecimento
prvio do processo, dados experimentais e experincia adquirida ao utilizar o modelo.
Em identificao de sistemas, a entidade mais natural para confrontar os modelos
so os dados experimentais, portanto muitas vezes a etapa de validao se restringe
a responder a questo (2).
Na identificao de processos industriais, perturbaes no mensurveis e a
inexistncia de estruturas ideais para reproduzir certos fenmenos, via de regra,
geram erros de modelagem. Portanto, alm do modelo que melhor descreva um
conjunto de dados especfico, uma descrio adequada dos erros de modelagem pode
ser usada para verificar se tais erros so significativos para a aplicao do modelo.
4.4.1
65
(4.14)
em que Y RN o vetor de dados de sada, enquanto Y e Y denotam, respectivamente, o vetor da sada simulado a partir de {z(k)}N
k=1 e a mdia de Y .
4.4.2
Os testes de simulao no indicam at que ponto eventuais falhas sejam crticas, ou mesmo se podem ser corrigidas. Por exemplo, se as simulaes apresentarem
erros significativos em relao aos dados observados, no possvel afirmar se tais erros so significativos para a aplicao do modelo. Neste caso, o propsito do modelo
do processo ser aplicado na re-sintonia de controladores, portanto, conveniente
obter uma descrio dos erros de modelagem no domnio da frequncia.
A seguir proposto um mtodo para estimar limites superiores do erro de
modelagem no bloco dinmico linear. Esta metodologia, baseada no comportamento
assinttico da estimativa de parmetros [57, 58], alm de indicar as frequncias em
66
que o desempenho do modelo seja pior, tambm prov informaes que podem ser
usadas no re-projeto do sinal de teste e assim diminuir o erro de modelagem em
frequncias especficas.
X
i=1
gi0 u(k i) +
X
i=0
h0i e(k i)
= G0 (q)u(k) + H0 (q)e(k),
(4.15)
2. O erro da resposta em frequncia estimada segue assintoticamente uma distribuio de probabilidade gaussiana,
r
(ej ) E
N
G
(ej ) E
n
H
(4.17)
67
e2
H0 ej 2
u () eu ()
ue ()
e2
1
(4.18)
(4.19)
(4.20)
M SE () = B 2 () + V () .
(4.21)
68
sendo:
2 adj (())
,
P () e2 H0 ej
det (())
() =
Logo,
u () eu ()
ue ()
e2
2
e2 |H0 (ej )|
P ()
u ()e2 |ue ()|2
ue ()
e2
eu () u ()
(4.22)
em que simboliza assintoticamente igual; det() e adj() denotam a matriz adjunta e o determinante, respectivamente. Ao considerar (4.17) e apenas o elemento
referente varincia do modelo do processo em (4.22), resulta que:
2
v ()e2
n (e2 ) |H0 (ej )|
n
V()
=
,
N u ()e2 |ue ()|2
N u ()e2 |ue ()|2
(4.23)
(4.24)
69
v(k)
v (k + ) ej
N
=n
k=1
!
N
n
X 1 X
u () =
u(k)
u(k + ) ej
N
=n
k=1
!
n
N
X 1 X
ue () =
u(k)(k + ) ej
N
=n
k=1
e2 = var((k)),
(4.26)
(4.27)
(4.28)
(4.29)
em que u(k) dado por (4.5). Ademais, a estimativa do sinal de perturbaes v(k)
e o erro de predio (k) so dados por:
u(k)
v(k) = f1 (y(k)) G(q)
1 (q)
(k) = H
v (k).
Zhu [88] utilizou a relao entre o erro de modelagem () e o mdulo da
estimativa da resposta em frequncia para classificar a qualidade do modelo, de
acordo com o critrio da Tabela 4.1. Por exemplo: seja um intervalo de frequncias
importantes para a aplicao do modelo delimitado por [1 ; 2 ]. Se () propor
cionar erros inferiores a 30% do mdulo da resposta em frequncia de G(q),
para
[1 ; 2 ], ento este modelo classificado como bom.
De acordo com simulaes e experincias prticas, modelos classificados como
A ou B so considerados apropriados para aplicaes em controle do processos [88].
Por outro lado, modelos C e D demandam um re-projeto do ensaio de coleta de
dados. Conforme (4.25), para obter um modelo com desempenho melhor h duas
70
ej .
Tabela 4.1: Classificao do modelo de acordo com a relao entre () e G
Classificao
Muito bom
Bom
Marginal
Pobre
4.5
Fechamento do captulo
A ideia de usar valores candidatos para inferir a sada do bloco que modela
71
Captulo 5
Resultados e discusses
Neste captulo pretende-se avaliar o desempenho da metodologia para identificao conjunta dos modelos de atrito e processo, apresentada no captulo anterior.
Primeiramente, o mtodo aplicado a um ambiente totalmente simulado (seo 5.1)
com o intuito de analisar a influncia de perturbaes na estimao dos parmetros.
Na seo 5.2, utiliza-se uma plataforma hbrida, em que uma vlvula de controle
real interligada ao simulador de uma planta de neutralizao de pH. Esta plataforma usada para testar a capacidade da estrutura proposta (modelo de atrito +
Wiener) de modelar um processo altamente no-linear. Alm disso, questes relacionadas influncia de perturbaes, da magnitude do sinal de teste e da sintonia
do controlador nos modelos identificados tambm so abordadas.
5.1
73
74
Resultados e discusses
e(k)
d(k)
r(k) +
u(k)
z(k)
+
89:;
89:;
/ ?>=<
/ ?>=<
/ S/H
S, J
/ K(q)
O
+
Controlador
Atrito
PI
/ G(s)
/ H(q)
v(k)
Ts:
+
t + w(k)
?>=<
ttt / 89:;
/ f ()
y(k)
/
denotado por bloco S/H. A sada de G(s) amostrada com um perodo Ts = 0,4s,
antes de ser somada a v(k), que representa as perturbaes do processo. O sinal
e(k) denota um rudo branco gaussiano de mdia nula e varincia unitria. Mais
especificamente, os valores numricos dos blocos usados na simulao so:
5
s3 + 11,5s2 + 15,5s + 5
v
H(q) =
1
(1 0,85q ) (1 0,95q 1 )
w(k)
y(k) = f (w(k)) = p
0,1 + 0,9w2 (k)
1,25 1,094q 1
K(q) =
,
1 q 1
(5.1)
G(s) =
(5.2)
(5.3)
(5.4)
0.75
y=
0.7
w
1+0,9w 2
0.65
0.6
0.55
0.2
0.25
0.3
0.35
0.4
0.45
0.5
0.55
0.6
Figura 5.2: Grfico da funo esttica no-linear y(k) = f (w(k)) da planta simulada.
75
5.1.1
Um sinal GBN com magnitude comutanto entre 3,75 102 e tempo mdio
76
Resultados e discusses
0.45
0.4
0.35
0.3
0.25
0.2
50
100
150
z (k)
u(k)
200
250
300
350
400
300
350
400
0.8
0.75
0.7
r (k) + d(k)
0.65
0
50
100
150
200
y(k)
250
Tempo [s]
Figura 5.3: Dados de entrada e sada da simulao com perturbaes de baixa intensidade.
0.45
0.4
0.35
0.3
0.25
0.2
50
100
150
z (k)
u(k)
200
250
300
350
400
300
350
400
0.8
0.75
0.7
r (k) + d(k)
0.65
0
50
100
150
200
y(k)
250
Tempo [s]
5.1.2
77
Menor perturbac a o
12
10
10
J [%]
J [%]
12
6
4
Maior perturbac a o
6
4
10
S [%]
12
10
12
S [%]
Figura 5.5: Curvas de nvel do comportamento do erro de simulao Cij , nos cenrios de
78
Resultados e discusses
Tambm pode-se perceber na Figura 5.5 que os menores valores de Cij so ob-
S [%]
J [%]
F2 [%]
Pares (S, J)
testados
10
81,80
231
Otimizao ( = 1)
9,23
0,99
80,01
35(21 + 14)
Otimizao ( = 2)
9,97
1,88
81,70
38(21 + 17)
Otimizao ( = 3)
9,92
1,84
81,63
51(21 + 30)
10
65,21
231
Otimizao ( = 1)
10,48
1,86
63,07
51(21 + 30)
Otimizao ( = 2)
10,36
2,09
64,53
43(21 + 22)
Otimizao ( = 3)
10,95
2,68
60,24
41(21 + 20)
Algoritmo
Busca exaustiva
Menor
Busca exaustiva
Maior
79
5.1.3
No exemplo desta seo, admitiu-se max(S) = 20% e uma resoluo de 1%, portanto a quanP20
tidade de combinaes dada por:
i=0 (i + 1) = 231.
80
Resultados e discusses
FIR
G(q)
0.2
G(s) discretizado
Eixo imagina rio
G(s) discretizado
0.4
0.6
FIR
G(q)
0.2
0.4
0.6
Menor perturbac a o
0
0.4
0.8
Eixo real
Maior perturbac a o
0
0.4
0.8
Eixo real
Figura 5.6: Grafico de Nyquist do bloco dinmico linear, em ambas as situaes de perturbao consideradas.
reduzidos G(q)
(linha tracejada), fica clara a melhoria em reproduzir a resposta em
frequncia de G(s), depois de o modelo FIR ser transformado em uma estrutura de
funo de transferncia racional.
Uma vez reveladas divergncias entre a resposta em frequncia dos modelos
estimado e simulado, como verificar se estas discrepncias so erros de modelagem
significativos? A Figura 5.7 apresenta o mdulo da resposta em frequncia do modelo
81
|G e j | e ( )
0.8
0.6
0.4
0.2
10
10
10
Caso seja especificada uma resposta em malha fechada significativamente mais rpida do que a
82
Resultados e discusses
ej |
|G
|G e j |
( )
ej |
|G e j G
|G e j | e ( )
0.8
0.6
0.4
0.2
10
10
10
ej | na condio de perturbao
Figura 5.8: Limite superior do erro de modelagem e |G
mais intensa.
cov(Y 0 , Y )
std(Y 0 ) std(Y )
100,
(5.5)
83
em que cov(Y 0 , Y ) a covarincia entre Y 0 e Y , ao passo que std() denota o desviopadro de uma varivel. Quanto mais prximo de 100%, maior a associao linear
entre Y 0 e Y .
2.4
0.8
2.2
2
Ganho: y/ w
f(l) (w) / w (Estimado)
f(h) (w) / w (Estimado)
0.78
1.8
1.6
y/ w
0.76
0.74
1.4
1.2
y = f (w)
0.72
0.7
y = f(l) (w)
0.8
y = f(h) (w)
0.6
0.4
0.68
0.3
0.4
0.3
0.4
Ao comparar os valores de rN obtidos para cada cenrio de perturbao, dispostos na Tabela 5.2, confirma-se que, assim como o bloco linear, a estimativa da
curva esttica tambm deteriorada diante de um nvel maior de distrbios. No entanto, o grfico de f(h) (w) mostra que tal discrepncia discreta, apesar da varincia
ser quase 4 vezes maior do que na situao de pouca perturbao.
Tabela 5.2: Estimativa da funo esttica no-linear.
Funo estimada
rN [%]
f(l) ()
99,9647
f(h) ()
99,8440
84
Resultados e discusses
estimativa do ganho , na pior das hipteses (em w = 0,344), de 14%, ao passo que
no cenrio de maior perturbao o erro de at 44% em w = 0,344.
Os resultados apresentados nesta seo sugerem que o mtodo proposto para
a identificao da associao entre modelos de atrito e de Wiener apropriado, para
este caso. A seguir utiliza-se um ambiente mais realista para testar a aplicabilidade
desta metodologia.
5.2
a uma plataforma hbrida, em que a vlvula de controle seja real e o processo seja
simulado. Esta configurao conhecida por HIL (do Ingls, Hardware In the Loop).
Um diagrama ilustrativo da configurao utilizada apresentado na Figura 5.10.
Sinal de
teste
d(k)
Ambiente
simulado
+
r(k) + +
z(k)
@ABC
GFED
GFED
@ABC
/
/
/ Controlador
O
Referncia
Ambiente
real
Vlvula
de controle
perturbaes
u(k)
/
Planta de
neutralizao
/ y(k)
O sinal proveniente do sensor de posio usado como entrada do modelo fenomenolgico de uma planta de neutralizao de pH, que simulado em tempo real
no ambiente Matlab\Simulinkr . No mesmo ambiente, tambm implementado o
85
5.2.1
A planta descrita na subseo 5.2.1 baseada na proposta de Alvarez et al. [5], de modo que
algumas alteraes foram realizadas para tornar o modelo mais compatvel com a planta piloto do
Laboratrio de Controle de Processos da Escola Politcnica da Universidade de So Paulo.
86
Resultados e discusses
dinmica das reaes qumicas assim como a perda de carga nas tubulaes podem
ser desprezadas.
A vazo de base q3 pode ser modelada (lei de Bernoulli) por:
p
q3 (t) = Kq3 XAV (t) P (t)
p
= Kq3 XAV (t) PT2 + g hT2 (t),
(5.6)
(5.7)
A condio inicial da equao diferencial (5.7) o nvel mximo do tanque pressurizado, representado por hT2max , cuja rea AT2 considerada constante.
O pH no tanque do reator modelado segundo o mtodo de invariantes de
87
reao . A partir desta abordagem, a concentrao de ons de hidrognio H+ no
tanque reator determinada usando constantes de equilbrio das reaes qumicas
envolvidas (Ka1 , Ka2 e Kw ) [5] e os invariantes de reao da soluo neutralizada,
Wa4 e Wb4 , atravs da seguinte funo no-linear [41]:
+
H = Wb4
2 !
1
+ 2Ka1 Ka2 H+
Ka1 H+
Kw
+ 1
+ 2 + Wa4 + + .
H
1 + Ka1 H
+ Ka1 Ka2 H
(5.8)
se o pH da soluo neutralizada:
pH = log10
H+
(5.9)
Constante de equilbrio
Ka1
+
H2 CO3 HCO
3 + H
Ka2
2
+
HCO
3 CO3 + H
Kw
H2 O OH + H+
As dependncias temporais de Wa4 , Wb4 e, consequentemente, H+ so omitidas
em (5.8) e (5.9) por simplicidade de notao.
(5.10)
A descrio do mtodo de invariantes de reao est alm do escopo deste trabalho. Os traba-
lhos de Campos [15], Gustafsson e Waller [33], Henson e Seborg [41] e Sotomayor [72] so alguns
dos textos que tratam deste assunto.
88
Resultados e discusses
nvel do tanque reator em hT1nom , a partir da condio inicial XLV (0) = XLVnom :
Z t
1
XLV (t) = Kc(LIC) hT1 (t) hT1nom +
(hT1 ( ) hT1nom ) d + XLV (0).
Ti(LIC) 0
(5.11)
Do balano de massa no tanque T1 resulta:
1
h T1 (t) =
(q1 (t) + q2 (t) + q3 (t) q4 (t)) ,
AT1
(5.12)
em que AT1 a rea do tanque T1 e a condio inicial de (5.12) dada por hT1nom .
Ao combinar o balano de massa no tanque reator com o conceito de invariantes de
reao segue que [15]:
3
a4 (t) =
W
X
1
qi (t) (Wai Wa4 (t))
AT1 hT1 (t) i=1
(5.13)
b4 (t) =
W
X
1
qi (t) (Wbi Wb4 (t)) .
AT1 hT1 (t) i=1
(5.14)
Note que em (5.13) e (5.14) os invariantes de reao Wai e Wbi das solues nos
fluxos qi (para i = 1, 2 e 3) so considerados constantes, entretanto possvel simular
mudanas na concentrao molar dos reagentes ao variar tais valores. A Tabela 5.4
contm a concentrao molark e os invariantes de reao dos fluxos q1 , q2 e q3 .
Tabela 5.4: Concentrao molar e invariantes de reao dos reagentes [5].
Fluxo
Concentrao molar
q1
3 103 M de H2 CO3
q2
3 102 M de NaHCO3
q3
Invariantes de reao
Wa1 = 3 103 M
Wb1 = 0 M
Wa2 = 3 102 M
Wb2 = 3 102 M
1M = 1
mol
m3 .
89
AE:
y(t) = med y(t)
+ pH(t).
(5.15)
Smbolo
Valor
AT1
0,1 m2
hT1nom
0,1 m
AT2
0,5498 m2
hT2max
1m
PT2
kg
1000 m
3
Acelerao gravitacional
9,80665 sm2
Kq3
1,5189 107 sm
N
Kq4
1,5226 105 sm
N
Posio nominal de AV
XAVnom
0,6584 p.u.
Posio nominal de LV
XLVnom
0,5 p.u.
q1nom
1,22 104 ms
q2nom
q3nom
1,1 104 ms
med
0,8s
pH nominal no tanque T1
pHnom
Kc(LIC)
0,1777
Ti(LIC)
26,5s
6,4 106 ms
90
Resultados e discusses
5.2.2
Fs + Fc
Pat Ad
(5.16)
J=
Fs Fc
,
Pat Ad
(5.17)
Fv Fc kmola
T
(5.18)
x(k)
sgn (x(k))
x(k)
T
(5.19)
Tabela 5.6: Especificaes da vlvula de controle [29] que integra a plataforma HIL.
rea do diafragma do atuador
Ad
Excurso da haste
4,45 102 m2
2,8575 102 m
Pat
1,6kg
grafite
91
A fim de coletar os dados de estimao envolvendo uma ampla regio de operao, excitou-se o atuador da vlvula com um sinal aleatrio de distribuio uniforme
entre 20% e 80% da faixa de valores admissveis. Cada valor mantido constante
por 2s. Os sinais de presso no atuador e de deslocamento da haste foram amostrados a uma frequncia de 1kHz para que a velocidade x(k)
(5.20)
Neste caso, como a frequncia de amostragem elevada quando comparada dinmica do atuador, ajustou-se uma reta (nx = 1) a cada janela de nw = 7 pontos.
A varivel auxiliar v(s) de valores candidatos a DV , definida em (2.13),
criada adotando S = 150 e Z = 250. A Figura 5.13 mostra o comportamento do
Resultados e discusses
F e x t (k) [10 3 N]
92
6
4
2
x(k) [mm]
0
25
10
20
30
40
50
60
70
80
90
100
10
20
30
40
50
60
70
80
90
100
10
20
30
40
50
60
70
80
90
100
20
15
10
x(k)
[mm/s]
0
10
10
0
Tempo [s]
F v [10 4 Ns/m]
Figura 5.12: Dados usados na estimao dos parmetros do modelo de atrito de Karnopp.
10
k m o la [10 5 N/m]
F c [N]
0
0
800
600
400
200
0
2.08
2.06
2.04
2.02
2
0
93
(s)
400
200
R 2 (s)
0
0
1
0.9
0.8
0
dentre os dados da Figura 5.12. Em seguida, para cada kb , Fs resolvido na expresso (2.17), que descreve o balano das foras que atuam na haste da vlvula
nos instantes de breakaway. A mdia das estimativas de Fs e os demais parmetros do modelo de atrito de Karnopp so apresentados na Tabela 5.7. Tambm so
mostrados S e J calculados a partir de (5.16) e (5.17).
Com o intuito de avaliar o desempenho do modelo de Karnopp e a validade
do modelo de Kano equivalente um conjunto de dados diferente do empregado no
clculo das estimativas usado para gerar simulaes da posio da haste. A Figura
5.15 revela que ambos os modelos so capazes de reproduzir a relao entre presso
no diafragma e posio.
Alm disso, a diferena entre as simulaes x(k) quase que imperceptvel.
Tabela 5.7: Estimativas dos parmetros do modelo de atrito de Karnopp e de Kano obtidos
pelas expresses de equivalncia.
Modelo de atrito
Karnopp
Kano
Parmetros
Fv
Fc
kmola
Fs
688N
818N
24,54%
2,12%
94
Resultados e discusses
0.8
Medido
Karnopp
Kano
0.7
0.6
0.5
0.4
0.3
0
10
20
30
40
50
60
70
80
90
100
Tempo [s]
Isto implica que, para a vlvula utilizada nos experimentos, perfeitamente vivel
aproximar o modelo de Karnopp pelo de Kano. Na Figura 5.16 mostrada a curva
x(k) = f (Fext (k)), tambm denominada curva de assinatura da vlvula (do Ingls,
valve signature). Note que tanto o modelo de Karnopp quanto o de Kano reproduzem
com exatido a histerese da vlvula.
Devido aos resultados apresentados, as estimativas S = 24,54% e J = 2,12%
(Tabela 5.7) so adotadas como referncias nas comparaes com as calculadas pelo
mtodo de identificao do conjunto atrito + processo analisado a seguir.
0.9
0.8
Karnopp
Kano
Medido
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0.2
0.4
0.6
0.8
Figura 5.16: Relao entrada-sada (assinatura) da vlvula real e reproduzida pelos modelos
de Karnopp e de Kano.
5.2.3
95
AT1 hT1nom
= 42s.
q1nom + q2nom + q3nom
(5.21)
96
Resultados e discusses
malha fechada mf :
p
Kp mf
= p ,
Kc(AIC) =
Ti(AIC)
(5.22)
(5.23)
97
Tabela 5.8: Cenrios utilizados para avaliar a influncia de perturbaes nas estimativas
dos modelos.
Varivel
perturbada
Filtro
0,2
10,8q 1
0,1
10,9q 1
0,0375
(10,75q 1 )(10,85q 1 )
q1
Wa 1
Wb3
2 105
4 105
2 109
1 108
1 108
2 108
5 1011
1 1010
1 1010
2 1010
a classificao de G(q)
obtidos nos diferentes cenrios de perturbao. Entre parn j )| no ponto
teses, tambm mostrada a porcentagem de () em relao |G(e
mais crtico do intervalo [0; c ]. Os grficos de limite superior do erro de modelagem
obtidos durante os teste com a plataforma HIL esto dispostos no apndice B.
Tabela 5.9: Sntese dos resultados provenientes dos diferentes cenrios de perturbao.
Cenrio
S [%]
J [%]
rN [%]
Classificao de G(q)
F2 [%]
25,68
1,96
88,34
99,9537
A (13,55%)
25,67
1,94
87,08
99,9851
A (13,82%)
25,05
2,03
82,22
99,9852
B (31,77%)
24,50
2,23
72,89
99,9385
B (49,41%)
98
Resultados e discusses
Cena rio
Cena rio
Cena rio
Cena rio
1
2
3
4
Ci
1
0.1
0.15
0.2
0.25
0.3
S [p.u.]
pH
7.6
7.6
7.4
7.4
7.2
7.2
6.8
6.8
Cena rio 1
6.6
6.4
Cena rio 2
6.6
6.4
0.55
pH
99
0.6
0.65
0.7
0.55
0.6
0.65
7.6
7.6
Curva de titulac a o
7.4
7.4
f (w(k))
7.2
7.2
6.8
0.7
6.8
Cena rio 3
6.6
6.4
Cena rio 4
6.6
6.4
0.55
0.6
0.65
0.7
0.55
0.6
0.65
0.7
100
Resultados e discusses
S [%]
J [%]
rN [%]
Classificao de G(q)
0% pHnom
F2 [%]
25,35
2,17
40,85
97,5791
D (116,3%)
2,5% pHnom
24,38
2,21
59,33
99,2826
C (60,55%)
25,05
2,03
82,22
99,9852
B (31,77%)
25,35
2,18
85,62
99,1942
A (14,04%)
5% pHnom
10% pHnom
101
7.4
(a)
HIL
modelo
pH
7.2
7
pH
6.8
7.5
(b)
6.5
8
pH
(c)
7
6
10
pH
(d)
8
6
0
1000
2000
3000
4000
Tempo [s]
Figura 5.19: Dados da plataforma HIL e estimativa do pH dos modelos obtidos com d(k)
de diferentes magnitudes: (a) 0% pHnom (excitao natural), (b) 2,5% pHnom , (c) 5%
o ensaio gerado sem nenhum sinal de teste (excitao natural) revela pouco a respeito
da curva esttica, a estimativa gerada no experimento excitado com amplitude 10%
pHnom a que melhor aproxima a curva de titulao do processo, especialmente nas
faixas onde so realizados os demais testes.
Em suma, os resultados obtidos ao variar a magnitude do sinal de teste sugerem que quanto maiores as variaes em d(k), melhor a qualidade dos modelos
estimados. Naturalmente, na prtica tal escolha envolve a considerao de restries
operacionais.
Em alguns trabalhos que tambm identificam os modelos do atrito e do processo [23, 45, 73], argumenta-se que possvel quantificar o atrito em vlvulas de
controle sem recorrer a sinais de excitao externos. Os resultados apresentados
102
Resultados e discusses
Curva de titulac a o
8.5
pH
7.5
7.5
0pH n o m
6.5
0.5
pH
8.5
f ()
0.55
0.6
0.65
0.7
0.75
0.5
8.5
8.5
7.5
7.5
5pH n o m
6.5
0.5
0.55
0.6
0.65
0.7
2, 5pH n o m
6.5
0.55
0.6
0.7
0.75
10pH n o m
6.5
0.75
0.65
0.5
0.55
0.6
0.65
0.7
0.75
103
(a)
HIL
modelo
pH
7.5
7
6.5
8
(b)
pH
7.5
7
6.5
9
pH
(c)
8
7
pH
(d)
7
6
0
1000
2000
3000
4000
Tempo [s]
104
Resultados e discusses
Tabela 5.11: Efeito da sintonia do controlador nos modelos estimados.
Sintonia
S [%]
J [%]
F2 [%]
rN [%]
Classificao de G(q)
mf = p
25,48
2,20
81,17
99,9108
B (31,92%)
mf = 0,8p
25,05
2,03
82,22
99,9852
B (31,77%)
mf = 0,5p
26,19
2,12
87,90
99,6816
B (27,70%)
mf = 0,2p
23,59
1,83
72,23
99,8725
B (24,42%)
regime esttico (Figura 5.21). Com isso, a estimativa f() da curva esttica,
105
8.5
Curva de titulac a o
pH
f ()
7.5
7.5
m f = p
6.5
pH
0.55
0.6
0.65
0.7
0.55
8.5
8.5
7.5
7.5
m f = 0, 5 p
6.5
0.55
0.6
0.65
0.7
m f = 0, 8 p
6.5
0.6
0.65
0.7
m f = 0, 2 p
6.5
0.55
0.6
0.65
0.7
Figura 5.22: Ajuste da curva esttica dos experimentos realizados ao variar a sintonia do
controlador AIC.
106
Resultados e discusses
A ideia de variar o sinal de teste efetuar a comparao nos seguintes contex-
tos: (1) excitao natural que de grande interesse prtico, (2) diferentes relaes
sinal-rudo e (3) faixa de operao mais ampla, no caso de 10% pHnom . A Tabela
5.12 apresenta os resultados obtidos ao representar o processo por uma estrutura
J e
linear. Para facilitar as comparaes, tambm so mostradas as estimativas S,
o ndice F2 verificados para um modelo de processo no-linear (Tabela 5.10).
A anlise dos resultados na Tabela 5.12 sintetizada nos seguintes aspectos:
Para o caso de excitao natural os nveis de atrito quantificados so notadamente distintos. Alm da pequena relao sinal-rudo, outra provvel justificativa o fato do modelo de perturbaes da estrutura ARMAX no ser
apropriado para a planta considerada, pois sabe-se que a combinao de tais
fatores causam estimativas polarizadas, principalmente se os dados forem coletados com o sistema operando em malha fechada [30, 58];
Nos experimentos com excitao de 2,5% e 5% do pH nominal os parmetros de atrito assemelham-se aos estimados nos demais testes. Entretanto, a
diferena nos ndices F2 mostra uma clara vantagem em modelar o processo
com uma estrutura no-linear;
Quando os dados so gerados com um sinal d(k) de magnitude 10% pHnom ,
a regio de operao aumenta consideravemente. Neste caso, os dados contm
Tabela 5.12: Comparativo entre os resultados obtidos ao representar o processo por uma
estrutura linear (ARMAX) e no-linear (Wiener).
Magnitude
de d(k)
S [%]
0% pHnom
Linear
J [%] F2 [%]
No-linear
S [%] J [%] F2 [%]
16,35
2,10
9,171
25,35
2,17
40,85
2,5% pHnom
23,53
1,92
46,18
24,38
2,21
59,33
24,70
2,05
58,96
25,05
2,03
82,22
19,97
2,04
50,65
25,35
2,18
85,62
5% pHnom
10% pHnom
107
mais informaes acerca do comportamento no-linear da planta de neutralizao de pH. Como a estrutura ARMAX no capaz de reproduzir tais
caractersticas, h uma degradao tanto no modelo de atrito quanto no do
processo.
De fato, as comparaes efetuadas revelam vantagens significativas em aproximar o conjunto atrito + processo por uma estrutura de Hammerstein-Wiener. A fim
de mostrar tal vantagem graficamente, a Figura 5.23 apresenta o pH da plataforma
HIL e os reproduzidos pelos modelos estimados quando o processo representado
por uma estrutura linear (ARMAX) e no-linear (Wiener). Todavia, como a curva
esttica da planta de neutralizao de pH varia substancialmente, ressalta-se que no
caso de processos em que a no-linearidade seja menos evidente de se esperar que
os proporcionados por modelos de Wiener tendam a ser menos expressivos.
108
Resultados e discusses
(a)
7.2
pH
7.1
7
6.9
6.8
(b)
pH
7.4
7.2
7
6.8
na o-l i ne ar
l i ne ar
HI L
(c )
pH
7.5
6.5
9
(d)
8.5
pH
8
7.5
7
6.5
6
0
1000
2000
3000
Te mp o [ s]
Captulo 6
Concluses e sugestes para
trabalhos futuros
Os aspectos mais relevantes referentes s analises realizadas foram apontados
medida que os resultados eram apresentados. Portanto, neste captulo pretendese apenas enfatizar as principais concluses. Em seguida, tambm so sugeridas
algumas possibilidades para dar continuidade ao tema abordado neste trabalho.
6.1
Concluses gerais
Duas formas de estender o mtodo de quantificao de atrito e identificao
do processo desenvolvido por Srinivasan et al. [73] foram propostas, de modo que o
conjunto atrito + processo representado por um modelo de Hammerstein-Wiener.
Na primeira os parmetros de atrito (S e J) so determinados por busca exaustiva,
ao passo que na segunda so calculados por otimizao.
Os algoritmos desenvolvidos foram primeiramente testados com dados totalmente simulados e verificou-se que ambos proporcionam resultados similares. Entretanto, o algoritmo baseado em otimizao demanda um esforo computacional
significativamente menor. Em seguida, apenas a abordagem baseada em otimizao foi usada em uma plataforma hbrida (HIL), na qual uma vlvula de controle
integrada em tempo real com um modelo fenomenolgico de uma planta no-linear.
109
110
do sinal de teste ou a sintonia do controlador, as estimativas dos parmetros do modelo de atrito so bem prximas de valores de referncia, calculados por um mtodo
alternativo, baseado na informao da posio da haste da vlvula. Este fato revela
uma importante vantagem do algoritmo empregado em relao a outras tcnicas de
quantificao de atrito [22, 39, 50], cujos resultados so influenciados pela sintonia
do controlador.
Com relao identificao do modelo do processo, como de se esperar, os
resultados mostraram que as perturbaes no medidas degradam a estimativa do
modelo de Wiener, especialmente do bloco dinmico linear. Tambm observou-se
que a estimativa do modelo do processo melhora quando cresce a relao sinal-rudo
nos dados.
Diferentemente de outros trabalhos [23, 45], no presente desenvolvimento
dada igual importncia identificao dos modelos de atrito e do processo. Todavia,
mesmo que se esteja interessado apenas na quantificao do atrito, vital que se
obtenha um bom modelo do processo, caso contrrio no possvel validar o atrito
quantificado atravs de simulaes. Este fato, associado aos resultados obtidos, revelam a importncia de se utilizar uma excitao externa durante o experimento para
coleta de dados, descartada pelos autores dos trabalhos supracitados.
Outra importante vantagem obtida ao modelar o processo com uma estrutura
no-linear permitir que o comportamento estacionrio seja melhor estimado. Nos
testes com a plataforma HIL verificou-se um bom ajuste da curva esttica, desde
que a malha de controle seja suficientemente excitada, em outras palavras, a relao
sinal-rudo deve ser a maior possvel. A estimativa do comportamento esttico pode
ser aplicada no projeto de estratgias de controle no-linear [33, 72].
A relao entre o mdulo da resposta em frequncia e a estimativa do limite
superior do erro de modelagem usada como uma ferramenta complementar na anlise e validao do bloco dinmico linear. Tal ferramenta proporciona informaes
111
6.2
112
Referncias Bibliogrficas
[1] Aguirre, L. A. Introduo Identificao de Sistemas. UFMG, Belo Horizonte,
2a edio, 2004.
[2] Aguirre, L. A. A nonlinear correlation function for selecting delay time. Physics
Letters A, 203:8894, 1995.
[3] Aguirre, L. A.; Coelho, M. C. S.; Corra, M. V. On the interpretation and
practice of dynamical differences between Hammerstein and Wiener models.
IEE Proceedings, Part D: Control Theory & Applications, 152(4):349356, 2005.
[4] Altpeter, F. Friction modeling, identification and compensation. PhD thesis,
Ecole Polytechnique Federale de Lausanne, Department de Genie Mecanique,
1999.
[5] Alvarez, H.; Londoo, C.; di Sciascio, F.; Carelli, R. pH Neutralization process
as a benchmark for testing nonlinear controllers. Industrial & Engineering
Chemistry Research, 40(11):24672473, 2001.
[6] Armstrong-Hulovry, B.; Dupont, P.; Canudas de Wit, C. A survey of models, analysis tools and compensation methods for the control of machines with
friction. IEEE Transactions on Automatic Control, 30(7):10831138, 1994.
[7] Bai, E. W. Identification of linear systems with hard-input nonlinearities of
known structure. Automatica, 38:853860, 2002.
[8] Bai, E. W. Frequency domain identification of Wiener models. Automatica, 39:
15211530, 2003.
[9] Barenthin, M. On input design in system identification for control. PhD thesis,
KTH School of Electrical Engineering, Stockholm, Sweden, 2006.
113
114
Referncias Bibliogrficas
[10] Bequette, B. W. Process Dynamics: Modeling, Analysis, and Simulation. Prentice Hall, Upper Saddle River, NJ, 2003.
[11] Besanon-Voda, A.; Blaha, P. Describing function approximation of a tworelay system configuration with application to Coulomb friction identification.
Control Engineering Practice, 10:655668, 2002.
[12] Bialkowski, W. L. Dreams vs. reality: A view from both sides of the gap. In
Control Systems, p. 283294, Wistler, BC, Canada, 1992.
[13] Billings, S. A. Identification of nonlinear systems - A survey. IEE Proceedings,
Part D, 127(6):272285, 1980.
[14] Billings, S. A.; Fakhouri, S. Y. Identification of systems containing linear dynamic and static nonlinear elements. Automatica, 18(1):1526, 1982.
[15] Campos, R. C. C. Projeto e construo de planta piloto de neutralizao de
pH e proposta de metodologia para incorporao de informaes auxiliares na
identificao NARX racional. Dissertao de mestrado, Centro Universitrio
do Leste de Minas Gerais, Cel. Fabriciano, MG, 2007.
[16] Canudas de Wit, C.; Olsson, H.; strm, K. J.; Lischinsky, P. A new model
for control of systems with friction. IEEE Transactions on Automatic Control,
40:419425, 1995.
[17] Cervantes, A. L.; Agamennoni, A. E.; Figueroa, J. L. A nonlinear model predictive control system based on Wiener piecewise linear models. Journal of
Process Control, 13:655666, 2003.
[18] Cheok, K. C.; Hu, H. -X.; Loh, N. K. Modeling and identification of a class
of servomechanism systems with stick-slip friction. Transactions of the ASME,
110:324328, 1988.
[19] Chou, C. T.; Verhaegen, M. An indirect approach to closed-loop identification
of Wiener models. In Proceedings of the American Control Conference, Hyatt
Regency San Diego, California, USA, June 1999.
Referncias Bibliogrficas
115
116
Referncias Bibliogrficas
Referncias Bibliogrficas
117
118
Referncias Bibliogrficas
[54] Lagarias, J. C.; Reeds, J. A.; Wright, M. H.; Wright, P. E. Convergence properties of the Nelder-Mead Simplex method in low dimensions. SIAM Journal
on Optimization, 9(1):112147, 1998.
[55] Lampaert, V.; Swevers, J.; Al-Bender, F. Modification of the leuven integrated
friction model structure. IEEE Transactions on Automatic Control, 47:683687,
2002.
[56] Lancaster, P.; alkauskas, K. Curve and Surface Fitting: An introduction.
Academic Press, London, 1986.
[57] Ljung, L. Asymptotic variance expressions for identified black-box transfer
function models. IEEE Transactions on Automatic Control, 30(9):834941,
1985.
[58] Ljung, L. System Identification: theory for the user. Prentice Hall, Upper
Saddle River, NJ, 2nd edition, 1999.
[59] Ljung, L. Identification for control - What is there to learn. Technical Report
LiTH-ISY-R-1996, Dept of EE. Linkping University, Jan 1998.
[60] Ljung, L. Perspectives on system identification. In Proceedings of the 17th
IFAC World Congress, Seoul, Korea, July 6-11 2008.
[61] Ljung, L. System Identification Toolbox 7.1 - Users Guide. The MathWorks,
Inc., September 2007.
[62] Ninness, B.; Wills, A. An identification toolbox for profiling novel techniques.
In Proceedings of the 16th IFAC symposium on system identification, 2006.
[63] Norquay, S. J.; Palazoglu, A.; Romagnoli, A. Application of Wiener model
predictive control (WMPC) to an industrial C2-splitter. Journal of Process
Control, 9:461473, 1999.
[64] Pearson, R. K. Selecting nonlinear model structures for computer control.
Journal of Process Control, 13:126, 2003.
[65] Pearson, R. K.; Pottmann, M. Gray-box identification of block-oriented nonlinear models. Journal of Process Control, 10:301315, 2000.
Referncias Bibliogrficas
119
[66] Ravanbod-Shirazi, L.; Besanon-Voda, A. Friction identification using the Karnopp model, applied to an electropneumatic actuator. Proceedings of the Institution of Mechanical Engineers, Part I: Journal of Systems and Control Engineering, 217(2):123138, 2003.
[67] Rinehart, N. F. A different perspective on plant reliability: Improve reliability by improving process control. In Proceedings of the 61th Instrumentation
Symposium for the Process Industries, 2006.
[68] Rizos, D. D.; Fassois, S. D. Maxwell slip model based identification and control of systems with friction. In Proceedings of the 44th IEEE Conference on
Decision and Control, Seville, Spain, Dec 12-15 2005.
[69] Romano, R. A.; Garcia, C. Comparision between two friction model parameter
estimation methods applied to control valves. In Proceedings of the 8th IFAC
Symposium on dynamics and control of process systems (DYCOPS), Cancn,
Mexico, June 6-8 2007.
[70] Romano, R. A.; Garcia, C. Karnopp friction model identification for a real
control valve. In Proceedings of the 17th IFAC World Congress, Seoul, Korea,
July 6-11 2008.
[71] Romano, R. A.; Garcia, C. Valve friction and nonlinear process model closedloop identification. In Proceedings of the 7th IFAC International Symposium
on Advanced Control of Chemical Processes (ADCHEM), 2009.
[72] Sotomayor, O. A. Z. Modelagem, simulao e controle de um processo de neutralizao de pH. Dissertao de mestrado, Escola Politcnica da Universidade
de So Paulo, So Paulo, SP, 1997.
[73] Srinivasan, R.; Rengaswamy, R.; Narasimhan, S.; Miller, R. Control loop performance assessment. 2. Hammerstein model approach for stiction diagnosis.
Industrial & Engineering Chemistry Research, 44(17):67196728, 2005.
[74] Stenman, A.; Gustafsson, F.; Forsman, K. A segmentation-based method for
detection of stiction in control valves. International Journal of Adaptive Control
and Signal Processing, 17:625634, 2003.
120
Referncias Bibliogrficas
[75] Swevers, J.; Al-Bender, F.; Ganseman, C. G.; Prajogo, T. An integrated friction model structure with improved presliding behavior for accurate friction
compensation. IEEE Transactions on Automatic Control, 45(4):675686, 2000.
[76] Tjrnstrm, F. Variance expressions and model reduction in system identification. Licentiate thesis no. 730, Department of Electrical Engineering, Linkping
University, Linkping, Sweden, Feb 2002.
[77] Tulleken, H. J. A. F. Generalized binary noise test-signal concept for improved
identification-experiment design. Automatica, 26(1):3749, 1990.
[78] Uehara, D. Deteco e quantificao de atrito em vlvulas de controle. Dissertao de mestrado, Escola Politcnica da Universidade de So Paulo, So
Paulo, SP, 2009.
[79] Uehara, D.; Garcia, C.; Romano, R. Comparao e equivalncia dos modelos
de atrito de Kano e Karnopp aplicados a vlvulas de controle. In Anais do 17th
Congresso Brasileiro de Automatica, Juiz de Fora, Brasil, Set 14-17 2008.
[80] Van den Bosch, P. P. J.; Van der Klauw, A. C. Modeling, Identification and
Simulation of Dynamical Systems. CRC Press, 1994.
[81] Vrs, J. Parameter identification of Wiener systems with discontinuous nonlinearities. Systems & Control Letters, 44:363372, 2001.
[82] Vrs, J. Identification of nonlinear dynamic systems using extended Hammerstein and Wiener models. Control-Theory and Advanced Technology, 10(4):
12031212, 1995.
[83] Wahlberg, B. Model reduction of high order estimated models: the asymptotic
ML approach. International Journal of Control, 49(1):169192, 1989.
[84] Walters, F. H.; Morgan, S. L.; Deming, S. N.; Parker, L. R. Sequential simplex
optimization: A Technique for Improving Quality and Productivity in Research,
Development, and Manufacturing. CRC Press, Boca Raton, 1991.
[85] Westwick, D. T.; Verhaegen, M. Identifying MIMO Wiener systems using subspace model identification methods. Signal Processing, 52(2):235258, 1996.
Referncias Bibliogrficas
121
[86] Wigren, T. Recursive prediction error identification using the nonlinear Wiener
model. Automatica, 29(4):10111025, 1993.
[87] Yuan, H.; Westwick, D. T.; Ingenito, E. P.; Lutchen, K. R. Parametric and
nonparametric nonlinear system identification of lung tissue strip mechanics.
Annals of Biomedical Engineering, 27:548562, 1999.
[88] Zhu, Y. Identification of Hammerstein models for control using ASYM. International Journal of Control, 73(18):16921702, 2000.
[89] Zhu, Y. Multivariable System Identification for Process Control. Elsevier Science, Oxford, 2001.
[90] Zhu, Y. Estimation of an N-L-N Hammerstein-Wiener model. Automatica, 38:
16071614, 2002.
[91] Zhu, Y. Distillation column identification for control using Wiener model. In
Proceedings of the American Control Conference, Hyatt Regency San Diego,
California, USA, June 1999.
[92] Zhu, Y.; Van den Bosch, P. P. J. Optimal closed-loop identification test design
for internal model control. Automatica, 36:12371241, 2000.
Apndice A
Mnimos quadrados com restries
de igualdades
No captulo 3 uma estimativa inicial dos parmetros do modelo de Wiener foi
calculada ao resolver o seguinte problema de otimizao:
= arg min k k22
(A.1)
(A.2)
|y(n + 1) y2 |3
..
.
|y(n + 1) ym1 |3
1
T
=
y(n + 1)
u(n)
..
.
u(1)
..
.
|y(N 1) y2 |3
..
.
|y(N 1) ym1 |3
y(N 1)
u(N 2)
..
..
.
.
u(N 1 n)
|y(N ) y2 |3
..
.
3
|y(N ) ym1 |
1
. (A.3)
y(N )
u(N 1)
..
.
u(N n)
123
124
T T
p (R ) = 0
2 T T + pR = 0
R = 0.
(p (R )) = 0
p
(A.4)
(A.5)
1 T 1
.
R
p = 2 R T
(A.6)
(A.7)
Embora haja uma expresso analtica para estimar o vetor , pode haver mau
1
condicionamento numrico ao inverter as matrizes T e RT T
R, devido
(A.8)
Conforme discutido na seo 3.2.3, uma spline cbica parametrizada por n 3 e, normal-
125
em que L triangular inferior com as mesmas dimenses de A e os elementos positivos na diagonal. Portanto, a inversa A1 dada por:
A1 = L LT
1
= L1
T
L1 .
(A.9)
A inverso de uma matriz triangular mais precisa e requer menos esforo computacional, pois o clculo do determinate e dos cofatores significativamente simplificado.
A seguir mostrado como (A.9) pode ser implementada no Matlabr :
L = chol(A);
invL = inv(L);
invA = invL*invL ;
A funo inv() capaz de se beneficiar da estrutura triangular de L para realizar
a inverso matricial. Tambm deve ser mencionado que o ltimo comando ligeiramente diferente de (A.9) porque a funo chol() retorna a transposta de L.
Apndice B
Grficos do limite superior de erro
da plataforma HIL
Na seo 5.2 estudou-se a identificao de um processo de neutralizao de
127
128
| G ej |
0.8
0.6
Ce na ri o 1
0.4
0.2
| G ej |
0.8
0.6
Ce na ri o 2
0.4
0.2
| G ej |
0.8
0.6
Ce na ri o 3
0.4
0.2
ej |
|G
( )
| G ej |
0.8
0.6
Ce na ri o 4
0.4
0.2
3
10
10
10
Fre q ue nc i a [ rad/s]
j ) e limite superior do erro de modelagem dos modelos idenFigura B.1: Mdulo de G(e
tificados durante a anlise do efeito de perturbaes.
129
| G ej |
0.8
0.6
E x c i tac a o natural
0.4
0.2
| G ej |
0.8
0.6
0.4
2, 5% pH no m
0.2
| G ej |
0.8
0.6
0.4
5% pH no m
0.2
ej |
|G
( )
| G ej |
0.8
0.6
0.4
10% pH no m
0.2
3
10
10
10
Fre q ue nc i a [ rad/s]
130
| G ej |
0.8
0.6
mf = p
0.4
0.2
| G ej |
0.8
0.6
m f = 0, 8 p
0.4
0.2
| G ej |
0.8
0.6
m f = 0, 5 p
0.4
0.2
ej |
|G
( )
| G ej |
0.8
0.6
m f = 0, 2 p
0.4
0.2
3
10
10
10
Fre q ue nc i a [ rad/s]
controlador.